文档摘要

3.2 循环神经网络：RNN、LSTM 与 GRU 本节摘要：在 Transformer 之前，处理序列的主力是循环神经网络（RNN）。本节讲 RNN 的逐步循环结构、它被梯度消失卡住的长程依赖问题、LSTM/GRU 用门控做的补救，以及它们最终退场的真正原因——串行计算无法并行扩展。理解这一节困境的深度，才能理解下一节 Transformer 胜利的分量。 会员。《3.2 循环神经网络：RNN、LSTM 与 GRU》收录于灏天文库文集《AI大模型开发与应用实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/189-ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流