asappresearch/sru
کاربرد:
این پروژه یک معماری شبکه عصبی بازگشتی (RNN) به نام SRU (Simple Recurrent Unit) ارائه میده که سرعت آموزشش تقریباً به سرعت شبکههای عصبی کانولوشنی (CNN) نزدیکه، بدون اینکه عملکردش در پردازش دادههای ترتیبی مثل متن یا صوت کم شود.
در چه شرایطی بهتره استفاده شود؟
وقتی نیاز داری یک مدل ترتیبی سریع داشته باشی، مخصوصاً در شرایطی که منابع محاسباتی محدوده یا زمان آموزش مهمه. این مدل جایگزین خوبی برای LSTM یا GRU در کارهای NLP، تشخیص گفتار و دیگر وظایف توالی-به-توالیه. ️
چند مثال از موارد استفاده
- طبقهبندی متن با سرعت بالا
- ترجمه ماشینی در محیطهای real-time
- پردازش سیگنال صوتی در دستگاههای کمتوان ️
- مدلسازی زبان در چترباتها یا دستیارهای هوشمند
- ##SRU
- ##RNN
- ##DeepLearning
- ##NLP
- ##FastAI
- ##MachineLearning
- ##TextProcessing
- ##NeuralNetworks
- ##EfficientModel
- ##ASAPPResearch