LSTM 和 GRU 主要利用“门控”来缓解梯度消失的问题
正确
举一反三
- LSTM和GRU网络因为引入了门控单元，可以缓解梯度消失问题
- LSTM和GRU网络因为引入了门控单元，可以缓解梯度消失问题 A: 正确 B: 错误
- LSTM可以缓解RNN梯度消失/梯度爆炸的问题。（ ）
- 比较长短期记忆网络（LSTM）与门限循环单元（GRU）网络的差别，以下哪个说法是错误的？ A: GRU是LSTM的简化，保留量遗忘门，合并了状态向量和输出向量 B: GRU的性能一般远强于LSTM C: GRU的计算速度优于对应的LSTM D: GRU的结构比LSTM简单，减少了计算量
- 关于LSTM、GRU，下列说法错误的是？ A: LSTM中Ct表示长期记忆； B: LSTM中ht表示短期记忆； C: GRU中ht表示短期记忆; D: GRU中有两个门，LSTM有三个门；
内容
- 0
LSTM模型和RNN模型都是属于深度学习模型，都可用于情感分析任务中，但是LSTM 模型克服了梯度消失问题。（ ）
- 1
LSTM可以解决RNN的哪些问题（） A: 梯度消失 B: 梯度爆炸 C: 长期依赖 D: 未来信息缺失
- 2
ReLU可以缓解梯度消失的问题。
- 3
RNN在解决序列问题时遇到梯度消失的问题，一般采用的是LSTM进行解决。
- 4
GRU相比于LSTM要复杂一些。