rlworkgroup/garage

Add support for multiple layers for recurrent network models

Open

#709 建立於 2019年6月1日

在 GitHub 查看
 (0 留言) (0 反應) (0 負責人)Python (1,728 star) (297 fork)batch import
featuregood first issuetf

描述

Current recurrent network models, e.g. LSTMModel, only take single recurrent layer, which may not be sufficient for learning complex tasks. We should support multiple layers.

貢獻者指南

技術棧
python
領域
machine learningbackend
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
mostly clear
前置要求
Python programmingRecurrent neural networksgarage codebase structure
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40
研究方向
Examine the current implementation of LSTMModel and other recurrent models in the garage codebase (likely in garage/torch/models). Understand how the single recurrent layer is used. Add a 'num layers' parameter to the model constructor and modify the forward pass to stack multiple RNN layers. Ensure backward compatibility and add unit tests. Check for any existing discussions or PRs related to this issue.