个人政务公开网站建设工作总结购物网站推广

个人政务公开网站建设工作总结,购物网站推广,做网站网页需要什么,wordpress中调用分类目录文章列表词嵌入、循环神经网络与序列到序列学习 1. 循环神经网络（RNN）输出处理 在处理RNN输出时，我们可以使用以下代码对输出进行形状调整： output2 = tf.reshape(output,[batchSz*windowSz, rnnSz]) logits = matmul(output2,W)这里的 W 是一个线性层（ Wo ），它将RNN的输…词嵌入、循环神经网络与序列到序列学习1. 循环神经网络（RNN）输出处理在处理RNN输出时，我们可以使用以下代码对输出进行形状调整：output2 = tf.reshape(output,[batchSz*windowSz, rnnSz]) logits = matmul(output2,W)这里的W是一个线性层（Wo），它将RNN的输出转换为图4.5中的对数概率（logits）。接着，我们可以将其传递给tf.nn.sparse_softmax_cross_entropy_with_logits，该函数会返回一个损失值的列向量，通过tf.reduce_mean可以将其缩减为一个单一的值。对这个最终值取指数，就能得到困惑度（perplexity）。改变RNN输出的形状，一方面是为了便于教学，因为这样可以复用tf.matmul；另一方面是出于计算的考虑，它能使数据符合稀疏softmax所需的形状。不过，在其他情况下，下游计算可能需要原始形状，这时我们可以使用TensorFlow中处理多维张量的函数，例如：tf.tensordot(outputs, W, [[2], [0]])这段代码会在outputs的第二个分量（从0开始计数）和W /