文档摘要

1.2 传统序列模型RNN与LSTM的局限 本节摘要：循环神经网络（RNN）及其变体 LSTM、GRU 通过维护隐藏状态按时间步顺序处理序列，曾长期是 NLP 的标准模型，但存在五项固有局限：顺序计算无法并行、长距离依赖随传递衰减、梯度消失与爆炸残留、固定维度隐藏状态构成信息瓶颈、相远位置缺乏直连通道。 会员。《1.2 传统序列模型RNN与LSTM的局限》收录于灏天文库文集《Transformer 模型详解：NLP领域的革新者》，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/466-transformer-%E6%A8%A1%E5%9E%8B%E8%AF%A6%E8%A7%A3nlp%E9%A2%86%E5%9F%9F%E7%9A%84%E9%9D%A9%E6%96%B0%E8%80%85

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