可视化理解seq2seq

艾文教编程

博客专家认证

2023-01-12 21:54:22

课时名称	课时知识点
可视化理解seq2seq	可视化理解seq2seq

...全文

26 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

相关推荐

学习心得（1）文章目录学习心得第1部分：attention一、seq2seq模型二、进一步理解细节2.1 初探RNN2.2 word embedding2.3 RNN机制及其可视化三、Attention 讲解可视化注意力第2部分：transformer一、前言二、从整体宏观来理解 Transformer三、从细节来理解 Transformer3.1 Transformer 的输入3.3 Encoder(编码器)3.3 Self-Attention 整体理解四、Self-Attention 的细节4.1

可视化神经机器翻译模型（基于注意力机制的Seq2seq模型）序列到序列模型是深度学习模型，在机器翻译、文本摘要和图像字幕等任务中取得了很大的成功。谷歌翻译在2016年底开始在生产中使用这样的模型。两篇开具有创性的论文对该模型进行了解释（Sutskever et al., 2014, Cho et al., 2014）。然而我发现，要想很好地理解这个模型并实现它，需要理解一系列建立在彼此基础之上的概念。我想，这些概念如果能直观地表达出来，会更容易理解。这也是我在这篇文章中要做的事情。当然，你需要对

对seq2seq的一些个人理解因为做毕设用到seq2seq框架，网上关于seq2seq的资料很多，但关于seq2seq的代码则比较少，阅读tensorflow的源码则需要跳来跳去比较麻烦（其实就是博主懒）。踩了很多坑后，形成了一些个人的理解，在这里记录下，如果有人恰好路过，欢迎指出错误~

Seq2Seq模型是深度学习模型，在机器翻译、文本摘要和图像字幕等任务中取得了很大的成功。谷歌翻译于 2016 年底开始在生产环境中使用这种模型。这些模型在两篇开创性论文中进行了解释（Sutskever et al., 2014, Cho et al., 2014）。然而，我发现要充分理解模型以实现它，需要解开一系列相互叠加的概念。我认为如果以视觉方式表达这些想法会更容易理解。这就是我在这篇文章中的目标。...

关于RNN（Seq2Seq）的一点个人理解与感悟

艾文的课程社区_NO_1

2

社区成员

301

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告