了解 RNN 中的输入参数
Understanding the Input Parameters in RNN
我很难理解 RNN 中使用的不同 "jargons"。它们是：
batch_size、time_steps、inputs 和 instances.
说说我对每个输入参数的理解，不对的地方请指正。
假设我有一个数字序列，我想预测下一个数字。数字如下：
[1,2,3,4,5,....,100]
time_steps：这个参数表示RNN在预测未来之前会回顾过去多远。为简单起见，我想提前预测 1 个数字。并且想在我看到10个数字过去之后做。因此，在这种情况下，time_steps 将为 10。
inputs：这些是每个 time_steps 处的值。首先 time_step (t) inputs 是
t0: [1]
t1: [2]
.
.
.
t10: [10]`
batch_size：这有助于RNN模型的高效计算。假设我的 batch_size 是 2。在那种情况下，在 time_step 2，RNN 输入将是
t0: [1]
t0: [11]
那instances有什么用呢？例如。在此 post 中使用了实例。并且有多种情况使用 instances。这是否意味着批处理中的每个循环？例如。有 5 个批次，每个批次大小为 2。然后会有 5 instances.
请帮我纠正一下我的理解。
谢谢！
好的朋友，你学习了这些概念。我很难正确地学习那些。你所知道的一切似乎都是有序的，至于 "instances"。它们基本上是一组数据。 "instances" 在深度学习社区中没有固定的用法。有些人用它来引用不同的数据集或数据批次。我很少在报纸上听到它。
batch_size
批量大小，一般来说，表示从实验数据集构建的小批量的大小。因为在深度学习中，我们需要做大量的计算，所以我们最好考虑小批量操作，因为那时 GPU 的使用是值得的。
time_steps
由于 RNN 采用顺序输入，因此输入序列中每个元素的索引可以称为该序列的时间步长。例如，如果 [1,2,3,4,5,....,100] 是一个序列，则序列中每个元素的索引是一个时间步长。
输入
inputs这个词有更广泛的含义，所以我不确定我的定义是否正确。根据我的理解，RNN 的输入是指在每个时间步提供给 RNN 的单独输入。例如，在 [1,2,3,4,5,....,100] 中，每个元素都是 RNN 在特定时间步的输入。
但是抽象的说，如果有人问，你的深度神经模型的输入是什么？你可以说，它是英文句子或图像或音频剪辑或视频等。简而言之，术语的含义 inputs 取决于上下文。
实例
instances，一般指数据集中的一个training/dev/test实例。例如，序列：[1,2,3,4,5,....,100] 可以是数据集中的训练实例。
希望对您有所帮助！
我很难理解 RNN 中使用的不同 "jargons"。它们是：
batch_size、time_steps、inputs 和 instances.
说说我对每个输入参数的理解，不对的地方请指正。
假设我有一个数字序列，我想预测下一个数字。数字如下：
[1,2,3,4,5,....,100]
time_steps：这个参数表示RNN在预测未来之前会回顾过去多远。为简单起见，我想提前预测 1 个数字。并且想在我看到10个数字过去之后做。因此，在这种情况下，time_steps 将为 10。
inputs：这些是每个 time_steps 处的值。首先 time_step (t) inputs 是
t0: [1]
t1: [2]
.
.
.
t10: [10]`
batch_size：这有助于RNN模型的高效计算。假设我的 batch_size 是 2。在那种情况下，在 time_step 2，RNN 输入将是
t0: [1]
t0: [11]
那instances有什么用呢？例如。在此 post 中使用了实例。并且有多种情况使用 instances。这是否意味着批处理中的每个循环？例如。有 5 个批次，每个批次大小为 2。然后会有 5 instances.
请帮我纠正一下我的理解。
谢谢！
好的朋友，你学习了这些概念。我很难正确地学习那些。你所知道的一切似乎都是有序的，至于 "instances"。它们基本上是一组数据。 "instances" 在深度学习社区中没有固定的用法。有些人用它来引用不同的数据集或数据批次。我很少在报纸上听到它。
batch_size
批量大小，一般来说，表示从实验数据集构建的小批量的大小。因为在深度学习中，我们需要做大量的计算，所以我们最好考虑小批量操作，因为那时 GPU 的使用是值得的。
time_steps
由于 RNN 采用顺序输入，因此输入序列中每个元素的索引可以称为该序列的时间步长。例如，如果 [1,2,3,4,5,....,100] 是一个序列，则序列中每个元素的索引是一个时间步长。
输入
inputs这个词有更广泛的含义，所以我不确定我的定义是否正确。根据我的理解，RNN 的输入是指在每个时间步提供给 RNN 的单独输入。例如，在 [1,2,3,4,5,....,100] 中，每个元素都是 RNN 在特定时间步的输入。
但是抽象的说，如果有人问，你的深度神经模型的输入是什么？你可以说，它是英文句子或图像或音频剪辑或视频等。简而言之，术语的含义 inputs 取决于上下文。
实例
instances，一般指数据集中的一个training/dev/test实例。例如，序列：[1,2,3,4,5,....,100] 可以是数据集中的训练实例。
希望对您有所帮助！