Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
非常感谢老师清晰的讲解！您提供的例子与代码让讲解变得更具体和易懂！
讲的非常好！！！
感恩分享，非常清晰！感觉可以考虑给H增加维度，比如32 -> 128这样
当embedding层的参数太多，从而造成overfiting的时候，可不可以减少词向量的维度，以视频里的电影评论为例，把词向量减少到32以下，这样会提升模型的整体效果吗？
Best video ever
王老师您好~。 在pretrain 模块中，您说embedding 层在大数据集中train完之后，放到LSTM中参数就不变了。 但是我理解的transfer learning中，pretrain完的参数不应该是作为之后训练的初始值，然后做微调嘛？
数据够大就应该fine tuning
谢谢王老师。对embedding 有没有更多技巧的讲座?
王老师好，双向LSTM那个听懂了，但是有点不太明白，比如在时刻t的时候，需要正向lstm的输出A，需要逆向lstm的输出A撇，可是A撇这时候是不是还没算出来啊？那这两个向量做拼接怎么做呀
可以等两个输出都拿到了，再做拼接。
谢谢老师！
王老师讲的真好，能否加个linkedin
讲的很好
求更新
你好 大佬 我想问下 5.45 的 部分 h0 和 ht‘ 就是 y1 吗？ 只是 如果是一层的话 就用 ht 和 ht’结合起来 丢进 全链接层 对吧
h是整句话的输出。y是双向分别到这个词的两个参数矩阵的输出。
ht 和 ht'两个向量concat在一起，得到一个新的向量，这个向量的长度是两倍的h，这个新的向量记作y，y就是这个双向RNN的最终输出
very good
有实际代码可以分享在git吗
666
非常感谢老师清晰的讲解！您提供的例子与代码让讲解变得更具体和易懂！
讲的非常好！！！
感恩分享，非常清晰！
感觉可以考虑给H增加维度，比如32 -> 128这样
当embedding层的参数太多，从而造成overfiting的时候，可不可以减少词向量的维度，以视频里的电影评论为例，把词向量减少到32以下，这样会提升模型的整体效果吗？
Best video ever
王老师您好~。 在pretrain 模块中，您说embedding 层在大数据集中train完之后，放到LSTM中参数就不变了。 但是我理解的transfer learning中，pretrain完的参数不应该是作为之后训练的初始值，然后做微调嘛？
数据够大就应该fine tuning
谢谢王老师。对embedding 有没有更多技巧的讲座?
王老师好，双向LSTM那个听懂了，但是有点不太明白，比如在时刻t的时候，需要正向lstm的输出A，需要逆向lstm的输出A撇，可是A撇这时候是不是还没算出来啊？那这两个向量做拼接怎么做呀
可以等两个输出都拿到了，再做拼接。
谢谢老师！
王老师讲的真好，能否加个linkedin
讲的很好
求更新
你好 大佬 我想问下 5.45 的 部分 h0 和 ht‘ 就是 y1 吗？ 只是 如果是一层的话 就用 ht 和 ht’结合起来 丢进 全链接层 对吧
h是整句话的输出。y是双向分别到这个词的两个参数矩阵的输出。
ht 和 ht'两个向量concat在一起，得到一个新的向量，这个向量的长度是两倍的h，这个新的向量记作y，y就是这个双向RNN的最终输出
very good
有实际代码可以分享在git吗
666
666