模型简介

模型介绍：GRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种，和LSTM一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。GRU是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，因此也是当前非常流形的一种网络。GRU既然是LSTM的变体，因此也是可以解决RNN网络中的长依赖问题。论文地址：https://arxiv.org/pdf/1406.1078.pdf

---

1. 使用方法

   • 1.1. 环境配置

   • 1.2. 模型推断

   • 1.3. 模型训练

   • 1.4. 模型测试

2. 模型来源

1. 使用方法

1.1. 环境配置

在终端，在root/GRU（默认）路径下，运行以下命令：

cd ../..
# 进入根目录
cp -r /datasets/MNIST ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
cp -r modelsets/model_GRU ../../user-data
# 将复现所需的预训练权重文件复制到指定文件夹下

1.2. 模型推断

在终端，进入root/GRU（默认）路径下，运行以下命令：

python interface.py

1.3. 模型训练

在终端，进入root/GRU（默认）路径下，运行以下命令：

python train.py

1.4. 模型测试

在终端，进入root/GRU（默认）路径下，运行以下命令：

python test.py

2. 模型来源

https://github.com/DLHacks/SRU