何时使用 RNN 或 LSTM答案

【问题标题】：When to use RNN or LSTM何时使用 RNN 或 LSTM
【发布时间】：2019-04-27 12:24:40
【问题描述】：

RNN 和 LSTM 有什么区别？我们什么时候使用这些模型？

【问题讨论】：

有人请帮忙
你能更好地解释你的问题吗？你在说什么情况？ Seq2Seq 适用于具有编码器和解码器架构的情况。 RNN、LSTM 具有这种架构，因此它们属于那种类型。问题是什么？
是的，我的意思是编码器和解码器架构。它可以是 RNN 还是 LSTM，是实现者的选择
你得到答案了吗？

【解决方案1】：

不完全是。 RNN，循环神经网络适用于某些任务，但由于使用 RNN 会出现一些问题，例如梯度爆炸或梯度消失问题，因此使用 LSTM 成为标准，这是一种解决这些问题的 RNN。

当您通过一个长网络进行反向传播时，会发生梯度爆炸/消失，并且由于您不断地乘以梯度，它可能会增长太多并溢出，或者它可能变得非常非常小以至于没有没有效果了。

LSTM 通过使用称为门控循环单元的机制解决了这个问题。因为它解决了标准RNN通常遇到的问题，所以LSTM更受欢迎。

了解这些主题对您来说实际上很重要，所以我会看看这个博客，它通过图表和示例完美地解释了它们。 https://skymind.ai/wiki/lstm

【讨论】：