作家
登录

如何用深度学习将前端设计模型自动转换为代码?

作者: 来源: 2018-03-24 18:30:12 阅读 我要评论

【编辑推荐】

  1. 百度深度进修平台PaddlePaddle框架解析
  2. 基于PaddlePaddle的点击率的深度进修办法测验测验
  3. 谷歌提出用深度进修强化CPU:让电脑越用越快
  4. 基于深层前馈序列记忆神经收集的大年夜词汇量持续语音辨认
  5. TensorFlow进修之神经收集的构建
【义务编辑:庞桂玉 TEL:(010)68476606】

这里可以应用卷积神经收集(CNN)和递归神经收集(RNN)这两种核心模型。最常见的 RNN 是长短期记忆(LSTM)收集,也是我将要讲的。

我在之前的文┞仿中已经介绍过很多很棒的 CNN 教程了,所以这里我就只重点介绍下 LSTM。

 懂得 LSTM 中的时光步

LSTM 的可贵之一是时光步的概念。原始神经收集可以被认为有两个时光步。如不雅你给它“hello”,它会猜测到“world”。然则,想要猜测更多的时光步是很艰苦的。鄙人面的例子中,输入四个时光步,每个单词对应一个。

LSTM 实用于含有时光步的输入,是一个合适有序信息的神经收集。如不雅你展开我们的模型,就会看到像下图所示的那样。对于每个向下递推的步调,你须要保持同样的权重。对于旧的输出和新的输出,你可以分别设置一套权重。

将加权后的输入和输出用激活函数连接在一路,它就是对应时光步的输出。因为我们反复应用这些权重,它们将大年夜一些输入中提守信息,并建立起有关序列的常识。

以下是 LSTM 中每个时光步的简化版本。

畏敲?解这个逻辑,我建议你参考 Andrew Trask 的出色教程,本身大年夜头开端构建一个 RNN。

 懂得 LSTM 层中的不合单位

每个 LSTM 层的单位(unit)数量决定了它的记忆才能,以及每个输出特点的大年夜小。须要再次指出的是,一个特点是用于在层与层之间传输信息的一长串数字。

LSTM 层中的每个单位会进修跟踪语法的不合方面。下面是对一个单位跟踪原始 div 信息的可视化结不雅,是我们用来练习 Bootstrap 模型的简化标签。

每个 LSTM 单位会保护一个细胞状况(cell state)。把细胞状况想象成记忆,而权重和激活函数用来以不合的方法修改状况。这使得 LSTM 层可以或许微调每个输入要保存和丢弃哪些信息。

除了每个输入传递输出特点之外,LSTM 层还会传递细胞状况,个中每个单位都分别对应一个值。畏敲?解 LSTM 中的组件是若何互相感化的,我推荐 Colah 的教程、Jayasiri 的 Numpy 实现以及 Karphay 的讲座和文┞仿。

 


  推荐阅读

  北京市为自动驾驶开绿灯,向百度发放首批自动驾驶路测号牌

全平易近充电节 | 3月26日~30日 2000位IT行业拭魅战专家邀请你一路充电进修!根据筹划,北京市组织扶植了首个占地200余亩的海淀主动驾驶封闭测试场地,测试场包含城市、村庄的多种门路类型,具有丰富的测>>>详细阅读


本文标题:如何用深度学习将前端设计模型自动转换为代码?

地址:http://www.17bianji.com/lsqh/40844.html

关键词: 探索发现

乐购科技部分新闻及文章转载自互联网,供读者交流和学习,若有涉及作者版权等问题请及时与我们联系,以便更正、删除或按规定办理。感谢所有提供资讯的网站,欢迎各类媒体与乐购科技进行文章共享合作。

网友点评
自媒体专栏

评论

热度

精彩导读
栏目ID=71的表不存在(操作类型=0)