RNN Models
@pavanky がすでに取り組んでいます。
2017年7月23日 から。
評価
この issue はまだ評価されていません。
説明
Once we have an implementation of the Layer Class https://github.com/arrayfire/arrayfire_ml/issues/17 , the Optimizer class and the DataSet class we can go about creating RNN flavors. There are 3 models that should be implemented:
- Vanilla RNN
- LSTM
- GRU
These will require the implementation of their derivatives and their forward prop values.
Certain details to consider:
- RNN's have a stack of weight matrices and bias' (not just 1 per Layer, thus the Layer needs to be general enough to handle this)
- The optimization needs to be handled via two methods:
- RTRL (real time recurrent learning) &
- BPTT (backprop through time)
To enable the above two methods of learning we should consider inheriting from Layer and implementing a Recurrent Layer.
- 主要言語
- C++
- スター
- 105
- フォーク
- 22
- PR マージ指標
- 30日以内にマージされた PR はありません
コントリビューションガイド
このリポジトリのコントリビューションガイドは索引されていません
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
arrayfire/arrayfire-ml のほかの issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 52/100
arrayfire/arrayfire-ml#46 ·
-
feature
arrayfire/arrayfire-ml#43 · 担当者 1 名 ·
-
Loss functions オープンfeature
arrayfire/arrayfire-ml#34 · コメント 2 件 · 担当者 1 名 ·
-
feature
arrayfire/arrayfire-ml#33 · コメント 1 件 · 担当者 1 名 ·
-
HMM and Viterbi オープンfeature
難易度 5/5 1週間以上 初心者へのやさしさ 20/100
arrayfire/arrayfire-ml#21 ·
arrayfire/arrayfire-ml の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100
objectionary/eo-graphs#74 ·
-
難易度 1/5 1時間未満 初心者へのやさしさ 95/100
-
enhancement
難易度 1/5 1時間未満 初心者へのやさしさ 88/100
QuantStack/git2cpp#187 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 86/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100