字符递归神经网络

CHRNN:该代码实现了多层递归神经网络(RNN,LSTM,GRU),用于训练/采样字符级语言模型。换言之,该模型以一个文本文件作为输入,并训练一个递归神经网络,该神经网络学习预测序列中的下一个字符。然后,RNN可以用来生成文本字符,其字符将看起来像原始训练数据。这个代码库的上下文在我的博客文章中详细描述。如果您对Trase/Lua/NealNETs是新的,那么知道这段代码仅仅是我在Python/NoMPy中编写的这100行GIST的一个稍微更华丽的版本可能会有帮助。另外,该回购中的代码允许多个层,使用LSTM而不是香草RNN,具有更多的用于模型检查点的支持代码,并且当然是更高效的,因为它使用小批量并且可以在GPU上运行。


ZBMaCT中的参考文献(1篇文章中提到)

显示1的结果1。
按年份排序(引文

  1. Aggavar,Charu C.:神经网络和深度学习。教科书(2018)