LuxDL/Lux.jl

Higher level recurrent layers

Ouverte

#972 ouverte le 7 oct. 2024

Voir sur GitHub
 (2 commentaires) (0 réaction) (0 personne assignée)Julia (84 forks)batch import
good first issue

Métriques du dépôt

Stars
 (700 étoiles)
Métriques de merge PR
 (Merge moyen 13j 21h) (2 PRs mergées en 30 j)

Description

Hi! While it is relatively straightforward to implement higher level constructions like LSTM and GRU it's also nice to have a layer provided by the library like PyTorch does, having details like bidirectionality and dropout taken care of. Are there any plans to include this in Lux as well?

Thanks!

Guide contributeur

Direction de recherche
Examinez le code source des couches récurrentes existantes de Lux et comparez le avec l’implémentation RNN de PyTorch. Identifiez les lacunes et proposez un plan pour ajouter des couches LSTM et GRU avec prise en charge de la bidirectionnalité et du dropout.
Stack technique
julia
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
Juliadeep learning basics
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
35