说明: 循环神经网络代码RNN-超全注释 #inputs t时刻序列,也就是相当于输入 #targets t+1时刻序列,也就是相当于输出 #hprev t-1时刻的隐藏层神经元激活值 def lossFun(inputs, targets, hprev): xs, hs, ys, ps = {}, {}, {}, {} hs[-1] = np.copy(hprev) print('hs=',hs) loss = 0 #前向传导 inputs 6xn for t in range(len(inputs
<mamingzhi66666> 在 上传 | 大小:9216