Skip to content

Commit 12fc76e

Browse files
authored
Merge pull request #8882 from guoshengCS/refine-rnn-guide-doc
Add guide for documentation-9-"RNN模型"
2 parents 0d49b92 + 71dd899 commit 12fc76e

File tree

1 file changed

+24
-0
lines changed

1 file changed

+24
-0
lines changed

doc/v2/howto/rnn/index_cn.rst

Lines changed: 24 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -1,10 +1,34 @@
11
RNN模型
22
===========
3+
循环神经网络(RNN)是对序列数据建模的重要工具。PaddlePaddle提供了灵活的接口以支持复杂循环神经网络的构建。
4+
这里将分为以下四个部分详细介绍如何使用PaddlePaddle搭建循环神经网络。
5+
6+
第一部分由浅入深的展示了使用PaddlePaddle搭建循环神经网络的全貌:首先以简单的循环神经网络(vanilla RNN)为例,
7+
说明如何封装配置循环神经网络组件;然后更进一步的通过序列到序列(sequence to sequence)模型,逐步讲解如何构建完整而复杂的循环神经网络模型。
38

49
.. toctree::
510
:maxdepth: 1
611

712
rnn_config_cn.rst
13+
14+
Recurrent Group是PaddlePaddle中实现复杂循环神经网络的关键,第二部分阐述了PaddlePaddle中Recurrent Group的相关概念和原理,
15+
对Recurrent Group接口进行了详细说明。另外,对双层RNN(对应的输入为双层序列)及Recurrent Group在其中的使用进行了介绍。
16+
17+
.. toctree::
18+
:maxdepth: 1
19+
820
recurrent_group_cn.md
21+
22+
第三部分对双层序列进行了解释说明,列出了PaddlePaddle中支持双层序列作为输入的Layer,并对其使用进行了逐一介绍。
23+
24+
.. toctree::
25+
:maxdepth: 1
26+
927
hierarchical_layer_cn.rst
28+
29+
第四部分以PaddlePaddle的双层RNN单元测试中的网络配置为示例,辅以效果相同的单层RNN网络配置作为对比,讲解了多种情况下双层RNN的使用。
30+
31+
.. toctree::
32+
:maxdepth: 1
33+
1034
hrnn_rnn_api_compare_cn.rst

0 commit comments

Comments
 (0)