AIGC实战——改进循环神经网络
0. 前言我们已经学习了如何训练长短期记忆网络 (Long Short-Term Memory Network, LSTM) 模型，以学习使用给定风格天生文本，接下来，我们将学习如何扩展此模型，已得到更加优异的文本天生效果。
1. 堆叠循环网络
在自回归模型一节中构建的 LSTM 神经网络仅包含一个 LSTM 层，我们也可以训练多层堆叠的 LSTM 网络，以便从文本中学习更深层次的特性。
为了实现堆叠 LSTM 网络，我们只需在第一层之后引入另一个 LSTM 层，并将第一个 LSTM 层中的 return_sequences 参数设置为 True，如许一来，第一个 LSTM 层就会输出全部时间步的隐藏状态，而不仅仅是最后一个时间步。第二个 LSTM 层可以使用第一层的隐藏状态作为其输入数据，模型架构如下图所示：
https://i-blog.csdnimg.cn/blog_migrate/232f6556df0b292c044d6a2634e3b7c0.png#pic_center
使用 Keras 构建堆叠 LSTM 神经
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]