【动手学深度学习pytorch】学习笔记 8.4 循环神经网络

8.4. 循环神经网络 — 动手学深度学习 2.0.0-beta0 documentation (d2l.ai)

主要内容：

• 对隐状态使用循环计算的神经网络。

• 隐状态可以捕获直到当前时间步序列的历史信息。

• 参数数量不会随着时间步的增加而增加。

• 可以使用循环神经网络创建字符级语言模型。

• 可以使用困惑度来评价语言模型的质量。

作者讲的清晰易懂，读完之后感觉很通透。

由于对信息论不太熟悉，对困惑度这个概念有些困惑。。。

推荐一篇博客：从交叉熵角度理解困惑度（perplexity）_Training.L的博客-CSDN博客_困惑度和交叉熵

本节的代码比较简单，验证了一个运算：

隐状态中 

标签：00,01,8.4,torch,学习,pytorch,拼接,print,tensor
来源： https://www.cnblogs.com/hbuwyg/p/16362755.html