每天五分钟深度学习PyTorch：为什么需要循环神经网络RNN？

本文重点

前面我们学习了卷积神经网络CNN,以及如何使用pytorch搭建卷积神经网络CNN,本文我们学习如何使用循环神经网络RNN

文本分类的方法

比如我们现在需要搭建模型完成一个分类任务，现在有一个文本为：

I hate this boring movie

我们可以搭建下面的模型完成分类任务：

对每一个单词向量化，然后输入到全连接的神经网络中，也就是说使用全连接神经网络完成每一个词的特征提取，然后合起来完成最终的分类任务。

问题：

但是这样的模型会有一些问题，一句话中有几个词就会有几个参数w和b，这样的参数太多了，然后这个模型不能考虑词与词之间的联系，缺乏之间联系的语境信息。

问题解决

针对参数w和b过多的问题，我们可以使用参数共享的方式，就是说我们将模型变成下面的形式：