(新手向)能否简单易懂的介绍一下RNN(循环神经网络)
重复贴一下上上个关于Recurrent NNs的回答，对新手比较友好些。主要介绍Recurrent NNs的input、output以及 flow of tensors。
这个回答最好需要你具备一些略微的实际CNN、RNN的代码操作经验，已达到最佳的理解。
Recurrent NNs，一般看的最多的图是这个：
rnn但是这个图对初学者相当不太友好。个人认为，目前所有的关于描述RecurrentNNs的图都画得不好，不够明确，里面的细节丢失了。（事实上里面一个"A"仅仅表示了一层的变换。）
非常清楚，这是很多初学者不能理解RecurrentNNs的根本原因，即在于Recurrent NNs是在time_step上的拓展的这一特性。MLP好理解，CNN也好理解，但Recurrent NNs，就是无法搞清楚里面的拓扑结构，跟MLP联系不上。
先看看，MLP，很好理解，就是一张网络清楚地显示了张量流向。general MLP是这样的拓扑：
mlp然后CNN也好理解，跟MLP无差若干，只是权重运算由
变为
。CNN是这样的拓扑：
CNN 【(新手向)能否简单易懂的介绍一下RNN(循环神经网络)】 但RecurrentNNs的拓扑发生了一个很大的改动，即一个MLP会在time_step这个维度上进行延伸，每个时序都会有input。
所以RecurrentNNs的结构图我认为应该这样画，在理解上才会更清晰些，对比MLP，也一目了然。(自己画的为了简约，只画了4个time-steps ）……
ground truth RNN看图。每个时序
的输入
我是一次time_step一张input tensor，隐状态
也就代表了一张MLP的hidden layer的一个cell。输出
理解无异。注意，红色的箭头指向indicates the tensor\u0026#39;s flow at time-sequential order。
再结合一个操作实例说明。如果我有一条长文本，我给句子事先分割好句子，并且进行tokenize, dictionarize,接着再由look up table 查找到embedding，将token由embedding表示，再对应到上图的输入。流程如下：
step1, raw text: 接触LSTM模型不久，简单看了一些相关的论文，还没有动手实现过。然而至今仍然想不通LSTM神经网络究竟是怎么工作的。……step2, tokenize (中文得分词): sentence1: 接触 LSTM 模型 不久 ，简单 看了 一些 相关的 论文 ， 还 没有 动手 实现过 。 sentence2: 然而 至今 仍然 想不通 LSTM 神经网络 究竟是 怎么 工作的。 ……step3, dictionarize: sentence1: 1 34 21 98 10 23 9 23 sentence2: 17 12 21 12 8 10 13 79 31 44 9 23 ……step4, padding every sentence to fixed length: sentence1: 1 34 21 98 10 23 9 23 0 0 0 0 0 sentence2: 17 12 21 12 8 10 13 79 31 44 9 23 0 ……step5, mapping token to an embeddings: sentence1:
推荐阅读
- 喜欢养花必养的3种花，插叶子就能活，适合养花新手
- 新手养护花卉，就养张似白珍珠，花香袭人的花卉，美极了！
- 汽车知识|押宝全新造型，东风雪铁龙新C5能否成为神龙公司“救世主”
- 中国版Evan能火吗美国9岁男童录制评测玩具视频年入800万，中国能否复制成功
- 环球车讯网|【帮你选车】简单粗暴 前后双电机+四驱 三款纯电SUV推荐
- 汽车知识|今天教你这4种简单保养不用去4 S店，省一半钱还质保！
- 汽车市场|中期改款再战D级车市场，新雷克萨斯LS能否超过宝马7系等对手？
- |酒喝多了难受怎么办？教你几招，简单实用，让你快速醒酒，收藏了
- 孩子|小孩发烧的处理方法有物理降温与药物退烧！但很多新手父母不会
- 澎湃汽车圈|试驾名爵MG领航 运动性和实用性能否兼顾？