Ինչպե՞ս է Lstm-ը հաշվարկում պարամետրերի քանակը:
Ինչպե՞ս է Lstm-ը հաշվարկում պարամետրերի քանակը:

Video: Ինչպե՞ս է Lstm-ը հաշվարկում պարամետրերի քանակը:

Video: Ինչպե՞ս է Lstm-ը հաշվարկում պարամետրերի քանակը:
Video: Finance with Python! Portfolio Diversification and Risk 2024, Նոյեմբեր
Anonim

Այսպիսով, ըստ ձեր արժեքների: Այն բանաձևի մեջ ներդնելով՝ ստացվում է.->(n=256, m=4096), ընդհանուր պարամետրերի քանակը 4*((256*256) + (256*4096) + (256)) = 4*(1114368) = 4457472: թիվ կշիռների է 28 = 16 (num_units * num_units) կրկնվող միացումների համար + 12 (input_dim * num_units) մուտքագրման համար:

Նաև հարցրեց, թե ինչպես եք գտնում պարամետրերի քանակը:

Դեպի հաշվարկել սովորելին պարամետրեր Այստեղ մեզ մնում է միայն բազմապատկել m լայնության, բարձրության n ձևով և հաշվի առնել բոլոր նման զտիչները k: Մի մոռացեք զտիչներից յուրաքանչյուրի համար կողմնակալության տերմինը: Պարամետրերի քանակը CONV շերտում կլինի՝ ((m * n)+1)*k), ավելացվել է 1՝ յուրաքանչյուր ֆիլտրի համար կողմնակալության տերմինի պատճառով:

Նմանապես, քանի՞ թաքնված միավոր ունի Lstm-ը: Ան ԼՍՏՄ ցանց։ Ցանցն ունի հինգ մուտք միավորներ , ա թաքնված շերտ կազմված երկու ԼՍՏՄ հիշողության բլոկներ և երեք ելք միավորներ . Յուրաքանչյուր հիշողության բլոկ ունի չորս մուտք, բայց միայն մեկ ելք:

Հետագայում, կարելի է նաև հարցնել, թե ինչպես եք գտնում պարամետրերի քանակը RNN-ում:

1 Պատասխան. W, U և V սուբյեկտները համօգտագործվում են բոլոր քայլերով RNN և սրանք միակն են պարամետրեր նկարում նկարագրված մոդելում: Ուստի պարամետրերի քանակը սովորել մարզվելիս = dim(W)+dim(V)+dim(U): Հարցի տվյալների հիման վրա սա = n2+kn+nm:

Քանի՞ շերտ ունի Lstm-ը:

Ընդհանուր առմամբ, 2 շերտերը ցույց են տվել, որ դրանք բավարար են ավելի բարդ հատկանիշներ հայտնաբերելու համար: Ավելին շերտերը կարող է լինել ավելի լավ, բայց նաև ավելի դժվար մարզվելը: Որպես ընդհանուր կանոն - 1 թաքնված շերտ աշխատեք պարզ խնդիրների հետ, ինչպես սա, և երկուսը բավարար են ողջամտորեն բարդ հատկանիշներ գտնելու համար:

Խորհուրդ ենք տալիս: