技能 | 三次簡化一張圖: 一招理解LSTM/GRU門控機制

​ 作者 | 張皓 引言 RNN是深度學習中用於處理時序數據的關鍵技術， 目前已在自然語言處理， 語音識別， 視頻識別等領域取得重要突破， 然而梯度消失現象制約着RNN的實際應用。LSTM和GRU是兩種目前廣爲使用的RNN變體，它們通過門控機制很大程度上緩解了RNN的梯度消失問題，但是它們的內部結構看上去十分複雜，使得初學者很難理解其中的原理所在。本文介紹」三次簡化一張圖」的方法，對LSTM和GR

>>阅读原文<<