705件中 201〜220件を表示 (1ページ最大20件)
| ID | 問題 | 章 | 論点 | 種類 | 有効 | |
|---|---|---|---|---|---|---|
| #505 | projectionなし・batched inputのPyTorch RNN系で、outputの一般shapeは? | リカレントニューラルネットワーク | テンソルshape | 数式 | ○ | 編集 |
| #504 | PyTorch RNN系shapeの記号Dは何を表す? | リカレントニューラルネットワーク | テンソルshape | 数式 | ○ | 編集 |
| #503 | batch_first=Trueのとき、h_nとc_nの先頭軸はバッチ軸になる? | リカレントニューラルネットワーク | テンソルshape | 選択肢消去 | ○ | 編集 |
| #502 | PyTorchのbatch_first=Trueは何のshapeを変える? | リカレントニューラルネットワーク | テンソルshape | PyTorch対応 | ○ | 編集 |
| #501 | PyTorch RNN系モジュールでbatch_first=Falseのbatched input shapeは? | リカレントニューラルネットワーク | テンソルshape | 数式 | ○ | 編集 |
| #500 | PyTorchのnn.GRUは何を返す? | リカレントニューラルネットワーク | PyTorch実装 | PyTorch対応 | ○ | 編集 |
| #499 | PyTorchのnn.LSTMは何を返す? | リカレントニューラルネットワーク | PyTorch実装 | PyTorch対応 | ○ | 編集 |
| #498 | PyTorchのnn.RNNは何を返す? | リカレントニューラルネットワーク | PyTorch実装 | PyTorch対応 | ○ | 編集 |
| #497 | PyTorchで単純RNN層を作る基本形は? | リカレントニューラルネットワーク | PyTorch実装 | PyTorch対応 | ○ | 編集 |
| #496 | GNMTは何の略? | リカレントニューラルネットワーク | Seq2Seq | 用語 | ○ | 編集 |
| #495 | Attention付きSeq2Seqは長文問題を完全に解決する? | リカレントニューラルネットワーク | Attention | 選択肢消去 | ○ | 編集 |
| #494 | Attentionを使うモデルは必ずRNNを含む? | リカレントニューラルネットワーク | Attention | 選択肢消去 | ○ | 編集 |
| #493 | Soft Attentionが通常の誤差逆伝播で学習しやすい理由は? | リカレントニューラルネットワーク | Attention | 選択肢消去 | ○ | 編集 |
| #492 | Hard Attentionとは? | リカレントニューラルネットワーク | Attention | 用語 | ○ | 編集 |
| #491 | Local Attentionの主な利点は? | リカレントニューラルネットワーク | Attention | 選択肢消去 | ○ | 編集 |
| #490 | Local Attentionとは? | リカレントニューラルネットワーク | Attention | 用語 | ○ | 編集 |
| #489 | Global Attentionとは? | リカレントニューラルネットワーク | Attention | 用語 | ○ | 編集 |
| #488 | Attentionのcontext vectorはdecoderの全時刻で同じ? | リカレントニューラルネットワーク | Attention | 選択肢消去 | ○ | 編集 |
| #487 | Attention context vectorの標準的な式は? | リカレントニューラルネットワーク | Attention | 数式 | ○ | 編集 |
| #486 | soft Attentionの重みαをscoreから作る代表的な処理は? | リカレントニューラルネットワーク | Attention | 数式 | ○ | 編集 |