上一篇，我們主要介紹了基本的 RNN 模型和 LSTM。本文將通過一個(gè)實(shí)戰(zhàn)項(xiàng)目帶大家使用 PyTorch 搭建 RNN 模型。

本項(xiàng)目將構(gòu)建一個(gè) RNN 模型，來對 MNIST 手寫數(shù)據(jù)集進(jìn)行分類。可能有的讀者會疑問，MNIST 數(shù)據(jù)集不是圖片嗎，而 RNN 是處理序列信號的。為什么圖片識別也能使用 RNN 模型呢？其實(shí)，這里我們可以把圖片看成是序列信號，例如下面是 MNIST 數(shù)據(jù)集的一張圖片：

MNIST 數(shù)據(jù)集中所有的圖片都是 28x28 的。按行來看，圖片的每一行都包含 28 個(gè)像素點(diǎn)，一共有 28 行。因此，我們可以把每一行的 28 個(gè)像素點(diǎn)當(dāng)成 RNN 的一個(gè)輸入 $x^{<t>}$。總共有 28 行，則 $T_x=28$。圖片的分割方式如下圖所示：

輸入已經(jīng)確定了，對于輸出，因?yàn)槭欠诸悊栴}，識別 0～9 數(shù)字，因此，RNN 模型應(yīng)該有 10 個(gè)輸出，即 $T_y=10$。此例中，$T_x\neq T_y$。

確定了基本結(jié)構(gòu)和輸入輸出之后，我們開始使用 PyTorch 構(gòu)建 RNN 。首先，還是導(dǎo)入 MNIST 數(shù)據(jù)集。

導(dǎo)入數(shù)據(jù)集

下面代碼實(shí)現(xiàn)了 MNIST 數(shù)據(jù)集的導(dǎo)入。

import torch i

總結(jié)

以上是生活随笔為你收集整理的第18课：项目实战——利用 PyTorch 构建 RNN 模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。