为什么不将上下文向量传递给解码器的每一个输入
上下文向量是指编码器在处理源语言句子时所生成的固定长度的表示。它捕捉了源语言句子的语义信息，并在解码器端用于生成目标语言句子。
将上下文向量传递给解码器的每一个输入是为了让解码器能够在生成每个目标语言词汇时，都能考虑到源语言句子的全局信息，以便更好地翻译。通过传递上下文向量，解码器可以在生成句子的每个位置时都知道源语言句子的整体含义和上下文。这样有助于生成更加准确、连贯的目标语言翻译结果。
传递上下文向量的具体方式可以是在解码器的每个时间步，将上下文向量作为附加输入输入到解码器中。这样解码器在生成每个目标语言词汇时，可以结合上下文向量的信息进行决策。
另一种方式是将上下文向量与解码器的初始隐藏状态进行拼接，作为解码器的初始输入。这样解码器在生成句子时，初始输入就包含了源语言句子的上下文信息，有助于解码器更好地理解和翻译句子。
总的来说，将上下文向量传递给解码器的每一个输入可以提供更全面、准确的上下文信息，有助于提高翻译的质量和流畅度。
腾讯云相关产品推荐：腾讯云机器翻译（https://cloud.tencent.com/product/tmt）是一项基于人工智能的机器翻译服务，可通过调用API接口将文本内容进行翻译。它支持多种语言之间的互译，并可以灵活地满足不同的翻译需求。
相关·内容
给出了具有编解码器的标准变压器结构。
当编码器的输入小于解码器的预期输出时，会发生什么情况？
解码器期望从编码器接收值和密钥张量，其大小取决于输入令牌的数量。
我可以解决这个问题，在训练期间，填充输入和输出到相同的大小。
但是，当我不知道输出的大小时，推断又如何呢？
我应该做一个预测，如果解码器没有在可用大小的范围内输出stop令牌，用更多的填充重新编码输入，然后再试一次？
解决这个问题的共同方法是什么？提前谢谢，祝你今天愉快:)
浏览 0提问于2022-02-23得票数 0
我的数据包含一个标量特性r，我发现这个特性对于训练我的深层模型很重要。我的想法是假设有一个3层的MLP f(x), x \in \mathbb{R}^{n}，其中n=1.它输出一个维数m的向量，其中[0, 1]中的每个值。
对于我的数据，它输入r并输出一个m大小的向量.
所以这就是我分解的想法有意义吗？
浏览 0提问于2019-12-22得票数 0
回答已采纳
2回答
因此，在大多数涉及编解码结构的博客或书籍中，作者通常认为编码器的最后一个隐藏状态(S)作为输入传递给解码器，而编码器输出被丢弃。他们浏览了那个主题，只是删除了关于编码器输出被丢弃的句子，仅此而已。这让我更加困惑，因为我也在读到，在变压器模型中，编码器的输出实际上被输入到解码器，但是因为这是唯一来自非rnn编码器的东西，所以这里并不奇怪。
我对此的理解是，在转换器架构中，编码器返回“丰富的特性”。如果是这样的话，那么在经典的E结构中，编码器只返回特征.那么，为什么在非变压器架构中，编码器模型的输出被忽略了呢？它代表了什么？
浏览 0提问于2023-02-27得票数 1
回答已采纳
? 在这个模型中，在编码器部分，我们给出一个包含3个单词A，B和c的输入句子，我们得到一个上下文向量W，它被传递给解码器。为什么我们不将W传递给解码器的所有单元，而不是前一个单元的输出，例如(首先传递W，然后在下一个单元中传递X，在下一个单元中传递Y) 有人能解释一下解码器的单元状态到底是怎么回事吗？传递给解码器的编码器的单元状态发生了什么变化
浏览 25提问于2021-02-09得票数 0
回答已采纳
我正在努力理解变分自动编码器( VAE )的解码器是如何工作的，在阅读了一些论文和做了一些研究后，仍然有一个问题让我感到困惑，它是这样的:为什么经过训练的VAE的解码器可以只使用正态分布的样本来产生合理的输出，而不是使用编码器产生的分布样本(在大多数学术论文中用q(z|x)表示)。换句话说，KL发散通过在VAE训练期间将q(z|x)拉向正态分布来完成他的工作。然而，当训练完成时，q(z|x)不可能与正态分布严格相同。因此，在训练过程中，解码器的输入是分布q(z|x)的样本，Q(z|x)是编码器的输出。我的问题是:当训练完成时，为什么解码器可以只使用正态分布的样本，而不是使用分布q(z|x)的样
浏览 1提问于2019-07-18得票数 1
我被tensorflow r1.0中的注意力解码器实现搞糊涂了。可以在这里找到原始代码：。
下面是我感到困惑的代码部分：
def decoder_fn(time, cell_state, cell_input, cell_output, context_state):
if cell_state is None: # first call, return encoder_state
cell_state = encoder_state
# init attention
attention = _init_attention(encod
浏览 2提问于2017-04-06得票数 0
当我学习示例时，有一个问题。
class Decoder(tf.keras.Model):
def __init__(self, vocab_size, embedding_dim, dec_units, batch_sz):
super(Decoder, self).__init__()
self.batch_sz = batch_sz
self.dec_units = dec_units
self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
self.gru =
浏览 2提问于2019-10-30得票数 0
1回答
在编码器-译码器模型的构造之间，似乎存在着显著的、根本性的差异.这是，这是。
我注意到的一些不同之处如下：
Keras的模型直接向LSTM层提供输入。而Pytorch在编码器和解码器中都使用了嵌入层。
Pytorch使用在编码器中没有激活的嵌入层，但对解码器中的嵌入层使用relu激活。
鉴于这些意见，我的问题如下：
我的理解是这样的，对吗？嵌入层并不是严格要求的，但它有助于找到更好和更密集的输入表示。它是可选的，您仍然可以在没有嵌入层的情况下构建一个很好的模型(取决于问题)。这就是为什么Keras选择在这个特定示例中不使用它的原因。这是一个合理的理由，还是有更多的故事？
浏览 9提问于2020-06-09得票数 0
回答已采纳
我尝试使用MediaRecorder来记录远程视频流，但是我只能获得一个不能播放的视频。
最新Chrome (105.0.5195.127)。
这条小溪太普通了。
stream = await navigator.mediaDevices.getDisplayMedia({
video: {
width: { ideal: 9999 },
height: { ideal: 9999 }
},
audio: false
});
对于自动记录，我使用setTimeout来停止MediaRecorder。downloadBl
浏览 13提问于2022-09-26得票数 1
1回答
我正在努力改进我的注意力机制代码草案，其中我基本上有一次解码步骤的迭代，并且LSTM解码单元在每个步骤从注意力模块获得一个上下文向量： post_activation_LSTM_cell = layers.LSTM(n_s, return_state = True)
output_layer = Dense(1)
s0 = Input(shape=(n_s,), name='s0')
c0 = Input(shape=(n_s,), name='c0')
s = s0
c = c0
outputs = []
input_tensor = Input(s
浏览 14提问于2020-06-18得票数 0
在注意中，上下文向量(c)是从注意权重(\alpha)乘以编码器隐藏状态(h)的总和导出的，其中权重是通过乘以解码器隐藏状态和编码器状态来获得的。
c_i = \Sigma_j^{T_x} \alpha_{ij} h_j
我的问题是，为什么要计算这个上下文向量而不转发注意力权重，因为这些可以指示每个编码器状态的关注度。
有人能解释一下背后的直觉吗？
浏览 0提问于2019-05-16得票数 2
回答已采纳
我正在上一门基于注意力的NLP课程，但是我不理解基于Q，K和V向量的注意力的计算和应用。我的理解是，K和V向量是从编码器输入导出的，Q向量是从解码器输入导出的。这对我来说是有意义的，在培训的背景下，整个输入序列呈现给编码器，整个输出序列呈现给解码器。然而，没有意义的是，这是如何在推理的背景下应用。在这种情况下，似乎没有输入到解码器，那么Q向量从何而来？
浏览 0提问于2021-09-24得票数 0
回答已采纳
我指的是seq2seq模型在keras (https://github.com/fchollet/keras/blob/master/examples/addition_rnn.py)中的示例代码。模式是：
model = Sequential()
model.add(RNN(HIDDEN_SIZE, input_shape=(MAXLEN, len(chars))))
model.add(RepeatVector(DIGITS + 1))
for _ in range(LAYERS):
model.add(RNN(HIDDEN_SIZE, return_sequences=Tru
浏览 0提问于2016-08-15得票数 3
1回答
我不太清楚译码器输出是如何被压平成一个向量的。据我理解，如果我们输入长度为N语句的编码器，它的输出是N单位(例如N 1000)，我们用长度M语句输入解码器，解码器的输出将给我们M单元输出。M不是固定的(M应该是解码器原始输入的长度)，并且在不同的推断步骤中会发生变化。我们如何从这里到一个单一的向量？
📷
屏幕截图“注意力就是你所需要的”
浏览 0提问于2020-05-20得票数 6
回答已采纳
在深度学习领域，众所周知，最强大的递归体系结构是序列到序列，或seq2seq，用于几乎任何任务(对时间序列的预测、机器翻译、文本生成)。
为什么？LSTM编解码结构的性能优于更规范的RNN的基本数学原因是什么？它是在产生密集的潜在表征吗？是关于相对较高的参数数吗？任何暗示都是感激的。
浏览 0提问于2019-11-29得票数 1
2回答
解码H.264单个nal单元
、、、、
我目前正在通过网络发送单独的NAL单元。这些NAL单元是由x264生成的。现在，是否可以将这些NAL单元单独输入avcodec_decode_video2？
或者我必须连接nal单元，直到它们代表相同的帧？如果是这样，那么如何做到这一点呢？
我还了解到，我可能能够接收SPS和PPS数据包。然后等待至少一个数据包，并尝试解码。这是正确的吗？
任何可以提供的建议都将不胜感激。
浏览 5提问于2015-06-01得票数 0
2回答
对于序列预测问题，我不明白变压器和LSTM在力学上的区别。到目前为止，我收集到的资料如下：
LSTM:
📷
假设我们想要预测单词‘深处’中的剩余标记，给出第一个标记'd‘。然后第一个输入是'd'，预测的输出是'e‘。现在，在下一个时间步骤中，先前预测的输出'e‘与包含关于'd’的信息的前一个隐藏状态一起输入。直到预测的输出为
变压器：
在同一示例中，转换器将如何工作，并避免顺序输入？我们是将整个单词“深度”作为输入，并将其留给网络以正确的顺序获取字符，还是只输入'd‘(这是我们在LSTM中所做的)？
我真的很困惑，我想我错过了一些非常基本
浏览 0提问于2021-09-04得票数 0
2回答
在过去的几天里，我阅读了注意力背后的理论，什么时候应用它，以及有什么类型。我想我对这个概念有一个很好的第一次理解，但是现在我想把我的一些见解应用到我自己的项目中，我发现自己被困在TF中的关注的实施中。(快速链接到TF注意)
注意层要求我至少提供查询和值。如果我已经错了，请纠正我，但这是我对它们的看法：
查询:这些是我的解码器的隐藏状态。
值:这些是我的编码器的隐藏状态。
到目前一切尚好。我正在挣扎的是，我不知道我的解码器的隐藏状态可能来自哪里。我想实施一个自我关注的机制。因此，我的译码器隐藏状态是动态生成的，在实际应用注意层之前，我无法知道它们。文档中提供的示例对我没有帮助，因为它关注的是一个
浏览 0提问于2020-01-29得票数 3
回答已采纳
对于每次模拟运行，我都使用matlabFunction命令生成多个m文件。这些m文件用于产生人工势场.(标量)输入的数量在不同的运行中可能有所不同(由于我正在模拟的机器人数量)，但是在运行过程中保持不变。因为每个机器人都有自己的势场函数，所以我必须为每个机器人准备输入向量。我目前正在以如下方式对每个机器人这样做：
Tvec = [T(1:i-1,i).' T(i,1:i-1) T(i,i+1:end) T(i+1:end,i).'];
Xvec = reshape(xN_1',1,(J+K)*2);
if sum(leaders==i)
InputVector
浏览 5提问于2014-11-09得票数 2
回答已采纳
我研究视觉注意力模型，但最近一直在阅读BERT和其他语言注意力模型，以填补我知识中的一个严重空白。 我对我在这些模型架构中看到的东西感到有点困惑。给出一句类似“猫追狗”的句子。我本以为每个单词的嵌入之间会有交叉信息流。例如，我希望在模型中看到一个点，其中“猫”的嵌入与“狗”的嵌入相结合，以便创建注意力掩码。 相反，我似乎看到的(如果我错了，请纠正我)是，像"cat“这样的单词的嵌入最初被设置为包含关于它们周围单词的信息。因此，每个单词的每次嵌入都包含它们周围的所有其他单词。然后，这些嵌入中的每一个都并行通过模型。这对我来说似乎很奇怪，也是多余的。为什么他们要以这种方式建立模型？ 如果
浏览 6提问于2020-08-20得票数 0
回答已采纳
1回答
我想发送呈现HTML模板的表单上下文，该模板是通过邮件发送的，但它代表字段发送给我。而不是在字段中输入的数据。
我在html文件中尝试了几个标记，比如：{{form.name_field}}。但它没有显示信息
my funtion or views.py
def solit(request):
"""Gestion de solicitudes"""
if request.method == 'POST':
form = SolitForm(request.POST)
if form.is_valid():
浏览 11提问于2019-08-20得票数 0
1回答
我在PostgreSQL中编写了一个函数，它有以下代码：
for (i = 0; i < 4; i++)
{
Datum dat_value = CStringGetDatum(inp->str[0][i]);
values[i] = datumCopy(dat_value,
stats->attrtype->typbyval,
stats->attrtype->typlen);
}
输入字符串为{阿尔及利亚、阿根廷、巴西、加拿大
浏览 6提问于2014-06-27得票数 3
回答已采纳
3回答
我正在尝试使用ffmpeg的一些库构建一个应用程序，我注意到许多数据结构中都包含单词"Context“。
你可以在这里看到一些
我不明白“上下文”这个词在这里的用法..上下文。
有没有关于它的一般含义的提示？
浏览 0提问于2010-11-10得票数 2
回答已采纳
1回答
我的问题是关于LSTMs，特别是如何在TensorFlow构造函数中指定LSTM单元的各种输入和输出的形状。我的理解是，LSTM单元有以下六种输入和输出：
1 External input/output
2 Hidden State input/output
3 Context State input/output
我也相信，每一个都是一个具有指定长度的向量。我的问题是:当我在我的TensorFlow模型中添加一个LSTM时，如何指定不同的向量长度？
浏览 0提问于2021-10-12得票数 0
回答已采纳
如何通过FFMpeg C库实现音视频的合并。
我在这个例子中尝试过，音频是在每一个视频帧中创建的。但我想合并一个完整的mp3或wav一些其他的音频格式。
以及如何在从图像编码视频的同时对音频文件(.mp3)进行编码。我使用将图像编码为视频。
浏览 7提问于2016-11-18得票数 4
在$scope和$mdDialog是静态的情况下，可以执行以下工作。
declare var module: any;
export interface IChangePassword extends ng.IScope {
cancel: Function;
myname: string;
state: string;
processRequest: Function;
CurrentPassword: string;
NewPassword: string;
ConfirmPassword: string;
}
export cla
浏览 1提问于2018-02-26得票数 2
回答已采纳
2回答
我是这个领域的新手，目前正在使用keras进行视频动作预测项目。输入数据从每个视频中获取10%的帧，并将所有相同的连续动作转换为1个动作。例如，0，0，0，1，1，2 -> 0,1,2。应用填充和一次热编码后，输入数据的形状为(1460，6，48) -> (视频数量，动作数，48动作的一个热编码形式)。我想预测所有未来的行动为每一个视频。输出的形状应该是(1460，23，48) -> (视频数量，最大时间步数，48动作的一个热编码形式)。
这里是我目前的方法，它不起作用.
def lstm_model(frame_len, max_timesteps):
model
浏览 5提问于2020-12-16得票数 1
回答已采纳
2回答
我读了“关注就是你所需要的一切”(https://arxiv.org/pdf/1706.03762.pdf )的论文，看到了这个站点http://jalammar.github.io/illustrated-transformer/，它提供了变压器体系结构的一个很大的分解。
不幸的是，我无法找到任何解释为什么它与输入/输出长度不相等(例如。输入：“je suisétudiant”和预期输出：“我是学生”)。
我主要的困惑是。据我所知，当我们将输出从编码器传递到解码器(本例中为3 \times 10 )时，我们通过一个多头注意层来实现，该层接受3个输入：
维度3 \times k_1的查询(来自
浏览 0提问于2019-02-13得票数 12
回答已采纳
3回答
我遵循，它使用torch.bmm方法，如下所示：
attn_applied = torch.bmm(attn_weights.unsqueeze(0),
encoder_outputs.unsqueeze(0))
我理解为什么我们需要增加注意力权重和编码器输出。
我不太明白为什么这里需要bmm方法。torch.bmm文件说
执行存储在batch1和batch2中的矩阵的批处理矩阵积.
batch1和batch2必须是三维张量，每个张量都包含相同数目的矩阵.
若batch1为(b×n×m)张量，batch2为(b×m×p)张量，则out为(b×
浏览 2提问于2018-06-12得票数 11
回答已采纳
我正在研究一种反复出现的语言模式。为了学习可以用于初始化我的语言模型的单词嵌入，我使用gensim的word2vec模型。经过训练，word2vec模型对词汇表中的每个单词包含两个向量:单词嵌入(输入/隐藏矩阵行)和上下文嵌入(隐藏/输出矩阵列)。
正如中所概述的，至少有三种共同的方法来组合这两个嵌入向量：
每个单词的上下文和单词向量之和
求和平均
连接上下文和单词向量
然而，我找不到关于最佳策略的适当文件或报告。所以我的问题是：
是否有一个共同的解决方案，无论是和，平均还是串联向量？
还是最好的方式完全取决于所讨论的任务？如果是这样的话，什么样的策略最适合于一个字
浏览 6提问于2017-10-23得票数 20
回答已采纳
1回答
我正在做一个语音情感识别机的训练。
我想在模型上加一个注意层。的指令很难理解。
def bi_duo_LSTM_model(X_train, y_train, X_test,y_test,num_classes,batch_size=68,units=128, learning_rate=0.005, epochs=20, dropout=0.2, recurrent_dropout=0.2):
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs=
浏览 2提问于2020-11-09得票数 0
回答已采纳
1回答
我正在尝试创建一个状态机(状态流)。输入是一个向量。
在一个方向上切换的条件是：
[vector(vector < 494 | vector > 631)]
至于另一个方向：
[vector(vector > 494 & vector < 631)]
但是我在诊断查看器窗口中得到了一条错误消息：
非法使用期望标量的矩阵或向量类型。
为什么？但是，如果我在MATLAB命令窗口中输入这些条件，就不会出现错误消息。
浏览 0提问于2018-10-08得票数 0
我正在尝试使用Keras库来实现Sequence2序列模型。该模型的框图如下
模型将输入序列嵌入到三维张量中。然后，双向lstm创建编码层。接下来，将编码的序列发送到自定义注意层，该自定义注意层返回对每个隐藏节点具有注意力权重的2D张量。
将解码器输入作为一个热向量注入到模型中。现在，在解码器(另一个双lstm)中，将解码器输入和注意权重作为输入传递。利用softmax激活函数将解码器的输出发送到时间分布密集层，以概率的方式得到每个时间步长的输出。该模型的代码如下：
encoder_input = Input(shape=(MAX_LENGTH_Input, ))
embedded
浏览 0提问于2018-07-25得票数 6
回答已采纳
1回答
稠密合成器的实现
、、、、
我试图理解合成器论文( 1)，并且有一个关于密集合成器机制的描述，它应该取代变压器体系结构中描述的传统的注意模型。
对密集合成器的描述如下：
因此，我试图实现该层，它看起来像这样，但我不确定我是否做对了：
class DenseSynthesizer(nn.Module):
def __init__(self, l, d):
super(DenseSynthesizer, self).__init__()
self.linear1 = nn.Linear(d, l)
self.linear2 = nn.Linear(l
浏览 2提问于2020-05-06得票数 15
1回答
在段落向量建模中，他们将段落作为记忆信息，与上下文词一起预测目标词。我不明白为什么一个段落会成为预测目标单词的有用信息。段落是否应该包括目标单词？
有没有人能给我举个例子说明怎么做？这里的D是什么？段落ID也是一个热门的段落向量吗？
例如，我有A，B，C段和单词a，b，c，d，e，f，g。B段是abcdefg的序列。如果我想训练这个文档，我想预测单词d，那么这个文档是A+B +C。这里的输入段落是什么？如果窗口大小是7，我知道单词输入应该是a，b，c，e，f，g的热词向量。
浏览 0提问于2016-11-26得票数 1
我需要在Tensorflow上运行一个编解码模型。我看到，使用可用的API，basic_rnn_seq2seq(encoder_input_data, decoder_input_data, lstm_cell)等，可以创建一个编解码系统.
我们如何在这样的模型中输入嵌入(如word2vec )？我知道我们可以进行嵌入查找，但是根据API encoder_input_data是一个大小为batch_size x input_size的2D张量列表。如何在此设置中使用其各自的单词嵌入来表示每个单词？甚至连embedding_rnn_seq2seq也在内部提取嵌入。如何将预先计算的单词嵌入作为
浏览 1提问于2016-07-31得票数 0
我完全搞不懂为什么这不起作用...
因此，我已经验证了我的mjpg编码是工作的，因为我已经验证了jpg图像后，我将它写入文件。作为一个测试，我想在编码后对数据进行解码，只是为了检查它的健全性，但我一直收到访问冲突，我完全不知道为什么。
我就是这样定义我的解码缓冲区的
AVFrame *pFrameDecoded = avcodec_alloc_frame();
int num_bytes2 = avpicture_get_size(PIX_FMT_YUVJ422P, 320, 248);
uint8_t* frame2_buffer2 = (uint8_t *)av_malloc(num_by
浏览 3提问于2014-03-16得票数 0
目前，我正在处理从kinect传感器中检索到的深度图像，这些图像已被保存为16位灰度PNG。目前，我只是使用带有imread()标志的CV_LOAD_IMAGE_GRAYSCALE函数加载这些图像，一切正常。我之所以这样做，是因为一些OpenCV函数依赖于8位的输入。
问题是:下一步是使用传感器捕获的深度帧，这些帧以16位的形式直接捕获。我认为使用covertTo(dst, CV_8U, 1.0/256.0)来缩放和转换值就足够了，但是由于某种原因，结果的映像看起来与作为8位加载的映像非常不同吗？那么，当加载为8位时，OpenCV是如何转换图像的。
下面是我用于测试的，下面是一些显示问题的代码
浏览 13提问于2014-10-16得票数 1
回答已采纳
2回答
RNN中的注意机制在序列到序列模型中是相当常见的。
据我所知，解码器学习一个权重向量$\alpha$，作为编码器网络输出向量的加权和。这是用来产生一个新的输入向量。
我不明白的是，学习的权重向量$\alpha$必须是一个固定大小的向量，因为它被看作是学习的权重，但是它适用于可变长度的序列。
如果有人能帮我理解这个特殊的机制，我会很感激的。
浏览 0提问于2018-01-30得票数 11
回答已采纳
我有问题，我不能理解。
int i = Convert.ToInt32(Model.dt);
MvcHtmlString s = Html.Hidden("DishType", Convert.ToInt32(Model.dt));
MvcHtmlString ss = Html.Hidden("DishType", 4);
I=4
S=输入id="DishType“name="DishType”type="hidden“value="22”
ss =输入id="DishType“name="DishType”ty
浏览 4提问于2011-08-26得票数 1
回答已采纳
1回答
在官方的tensorflow页面上，有一个解码器(https://www.tensorflow.org/tutorials/text/nmt_使用_attention#next_步骤)的实例：
class Decoder(tf.keras.Model):
def __init__(self, vocab_size, embedding_dim, dec_units, batch_sz):
super(Decoder, self).__init__()
self.batch_sz = batch_sz
self.dec_units = dec_units
se
浏览 0提问于2020-03-16得票数 0
我正试图在像这个[0.2 0.1 0.1 ..... 0.4 0.8]这样的大数据序列上训练一个模型。我为输入创建长度为60的X向量，并将Y标量数字作为标签(这意味着LSTM将前60个数字作为输入(X_train中的一行)和第61‘数作为输出标签(y_train中的行)读取)。
model = Sequential()
model.add(LSTM(units = 50, return_sequences = True , input_shape = (X_train.shape[1], 1)))
model.add(Dense(units = 1))
model.compile(optimi
浏览 0提问于2019-02-22得票数 2
在word2vec中，经过训练得到两个权重矩阵:1.输入-隐权矩阵；2.隐输出权矩阵.人们将使用输入隐藏权重矩阵作为单词向量(每一行对应于一个单词，即单词向量)，.Here给我带来了困惑：
为什么人们使用输入-隐藏权矩阵代替隐输出权矩阵作为单词向量。
为什么我们不直接在隐藏层中添加softmax激活函数，而不是输出层，从而防止耗时。
另外，澄清关于如何获得像这样的单词向量的直觉的意见将是值得赞赏的。
浏览 3提问于2017-09-06得票数 3
1回答
我不明白为什么不能将状态从组件ArrayList传递到ArrayList2。有人能介入并提出解决这个问题的办法吗？我想我已经用尽了关于这个主题的每一个SO线程，YouTube视频和谷歌搜索，我不断收到以下错误信息，
"Uncaught :无法分解'location.state‘的属性'message’，因为它是空的。“
我的代码如下：
构成部分1
import "./App.css";
import ArrayList from "./ArrayList";
import { Route, BrowserRouter as Router,
浏览 3提问于2022-01-08得票数 1
我正在用Pytorch编写序列神经网络的序列。在official Pytorch seq2seq tutorial中，有一个注意力解码器的代码，我不能理解/认为可能包含错误。 它通过连接输出和此时的隐藏状态来计算每个时间步的注意力权重，然后乘以一个矩阵，得到一个大小等于输出序列长度的向量。注意，这些注意力权重不依赖于编码器序列(在代码中命名为encoder_outputs )，我认为它应该依赖于编码器序列。 此外，the paper cited in the tutorial还列出了三种不同的得分函数，可用于计算注意力权重(本文的3.1节)。这些函数都不是简单地连接和乘以一个矩阵。 因此，在
浏览 37提问于2019-05-03得票数 1
1回答
我对NLP任务中的序列-序列RNN非常困惑。在此之前，我已经实现了一些分类任务的神经模型。在这些任务中，模型以字嵌入作为输入，并在网络的末端使用softmax层进行分类。但是神经模型是如何完成seq2seq任务的呢？如果输入是字嵌入，那么神经模型的输出是什么？这些任务的例子包括问答、对话系统和机器翻译。
浏览 1提问于2016-07-25得票数 1
回答已采纳
3回答
我的目的:画出每一个字形的轮廓。
example1：
输入： text= "666棒"
显示器：
附加：在上图中，1是显示视图，2是inputView。
example2：
输入：text= "666棒"
显示
附加:上图中的，1是displayView,2是inputView,3是空的。
主要想法是：
使用CoreText获取每个CGglyph。
获取每个字形的CGPath
使用CAShapeLayer在屏幕上显示字形。
主要方法：
let letters = CGMutablePath()
let fo
浏览 8提问于2017-02-14得票数 4
回答已采纳
因此，虽然我确信我不会为任何人提供足够的信息来修复我的特定代码，但我很想知道的是：
有人知道iOS14会发生什么变化来改变HEVC解码要求吗？？
我有一个使用VideoToolbox为来自网络的HEVC编码视频流构建的解码器，该解码器在iOS 13设备、和 iOS 14模拟器上运行良好。但在iOS 14中，它在iOS设备上的大部分时间都是失败的(在编写时高达14.4 )。“大部分时间”，因为有时它只是起作用，这取决于在流中我试图开始解码的位置。
我偶尔从解压缩输出回调记录中得到的一个错误是OSStatus -12909 - kVTVideoDecoderBadDataErr。到目前为止，还没
浏览 6提问于2021-02-09得票数 0
回答已采纳
我正在使用in中的来执行有向网络中的社区检测。通过阅读，我对该算法的理解是，InfoMap首先在网络上运行一个类似于随机游走的PageRank，用长度与其秩质量分数成反比的代码对节点进行编码，以达到最小化网络拓扑描述长度的最终目标。
在igraph的实现中，可以同时提供一个边权向量和一个顶点权向量来执行加权随机游动。我马上就明白了边权是如何偏倚随机游走的，但是我不知道顶点权值扮演了什么角色。vertex_weight向量对应于(A)个性化隐形传态向量吗？或者它是否与(B)先验等级质量分数相对应？或者是别的什么东西？
非常感谢您的友好答复。
浏览 1提问于2014-05-06得票数 1
回答已采纳
我有几个文本文件名如下: abc.txt、def.txt等(这里只显示了2个文本文件)
abc.txt有以下几行代码：
ID Inc
1 0.3
2 -0.2
3 0.45
4 0.12
def.txt看起来是这样的：
ID Inc
2 0.13
5 0.11
6 0.43
我希望有这样的最终输出数据框架：
abc 0.3
abc -0.2
abc 0.45
abc 0.12
def 0.13
def 0.11
def 0.43
以下是我尝试过的：
files <- list.files(path = baseDir, pattern = "*.t
浏览 1提问于2021-08-18得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
