极客教程PyTorch 递归神经网络
深度神经网络具有一种独特的功能，可以实现对自然语言处理过程的突破。观察发现，大多数这些模型将语言视为单词或字符的平面序列，并使用一种被称为递归神经网络（RNN）的模型。
许多研究人员得出结论，最好将语言理解为短语的层次树。这种类型被包含在递归神经网络中，该网络考虑了特定的结构。
PyTorch具有一种特定的功能，可以使这些复杂的自然语言处理模型变得更加容易。它是一个功能齐全的深度学习框架，强力支持计算机视觉。
递归神经网络的特点
- 递归神经网络是按照不同图形结构应用相同权重的方式创建的。
-
节点按照拓扑顺序遍历。
-
该网络通过自动微分的反向模式进行训练。
-
自然语言处理包括递归神经网络的特殊案例。
-
该递归神经张量网络在树中包含了各种组合功能节点。
下面演示了递归神经网络的示例：
PyTorch 教程目录
- PyTorch 简介
- PyTorch 安装
- PyTorch 神经网络的数学基本构建模块
- PyTorch 神经网络基础
- PyTorch 机器学习的通用工作流程
- PyTorch 机器学习 vs. 深度学习
- PyTorch 实现第一个神经网络
- PyTorch 神经网络到功能块
- PyTorch 术语
- PyTorch 加载数据
- PyTorch 线性回归
- PyTorch 卷积神经网络
- PyTorch 循环神经网络
- PyTorch 数据集
- PyTorch 卷积神经网络介绍
- PyTorch 从头训练一个卷积神经网络
- PyTorch 卷积神经网络中的特征提取
- PyTorch 卷积神经网络的可视化
- PyTorch 序列处理与卷积
- PyTorch 词嵌入
- PyTorch 递归神经网络