一、RNN
- 在RNN中，
二、GRU
-
GRU是为了解决RNN 梯度消失引入的改良模型，
-
GRU 通过门控 Gamma_r Gamma_u 两个变量，实现了对于过往记忆的筛选：这种机制使得GRU能够灵活地决定何时"忘记"过去的信息以及何时"记住"新的信息，从而有效地捕捉序列数据中的长期依赖关系。
具体理解如下：
RNN & GRU & LSTM 模型理解
chuanauc2025-05-24 22:19
相关推荐
秋秋小事1 天前
transformer基础 RNN + LSTMzh路西法2 天前
【模型式强化学习】（五）：PlaNet——从 RSSM 潜在状态建模到 MPC 动作规划JAVA_AI人工智能项目实战4 天前
轻量级模型训练_RNN文本分类流水线实验代码DevOps老兵4 天前
Transformer拆解01：Transformer为什么出现，RNN到底卡在哪里zh路西法6 天前
【深入理解 LSTM】从时间反向传播（BPTT）到长时记忆：门控机制与实验验证米饭是菜qy7 天前
动手学深度学习（李沐)——现代循环神经网络读书笔记星马梦缘7 天前
Chapter5-从卷积到循环神经网络服务器硬件项目经理8 天前
《超节点修仙录》· 第一卷·炼气期【第02话】 超节点的「身体构造」——CPU、GPU、内存、网卡都是干啥的服务器硬件项目经理12 天前
第5章消费级vs专业级vs数据中心：显卡的门派服务器硬件项目经理14 天前
全系列目录导航