具体来说就是用cuda去优化RNN，CPU算的太慢了，但是不想用TensorFlow等框架。
求大神！！！
如何用GPU优化RNN（lstm）网络计算
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
threenewbee 2018-09-18 07:22关注不知道你为什么不想用框架。gpu编成还是很麻烦的。如果仅仅不想用tf，还有别的选择，比如微软的cntk，或者threano
解决 无用评论 打赏举报 分享
- 2021-09-19 15:55lichji2016的博客 文章目录前言一、RNN网络二、LSTM网络2.1.引入库2.2.读入数据三、GPU网络四、三者的异同及应用 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多...
- 2025-12-11 16:24范桂飓的博客 RNN（循环神经网络） 模型结构 N-N 结构 1-N 结构 N-1 结构 数学表达 训练算法：时间反向传播（BPTT） RNN 的挑战：长期依赖问题 1997 年：LSTM（长短期记忆网络） 模型结构与数学表达 解决梯度消失问题 使用 ...
- 2024-04-25 11:37困麻了的博客 我们来看一看百度百科给的解释下面是循环神经网络的一部分黑色直线代表权重，a1，a2代表存储单元，黄色框框代表输入，曲线是激活函数。
- 2025-03-25 17:52Open-source-AI的博客 快速了解Transformer与循环神经网络（LSTM/RNN）的区别。
- 2025-12-10 02:48Imagination官方博客的博客 尽管当前 Transformer（如 BERT、GPT）在多数序列任务中表现更优，但 RNN 和 LSTM 的核心思想（时序关联捕捉、选择性记忆）仍是理解复杂序列模型的基础，也是 AI 工程师在资源受限场景下的重要选择。：若序列长度...
- 2025-05-03 03:51光子AI的博客 随着人工智能技术的快速发展，序列数据处理需求日益增长，如自然语言、时间序列、语音信号等。传统循环神经网络（RNN）在处理长序列时面临梯度消失/爆炸问题，导致长期依赖信息难以捕捉。LSTM（Long Short-Term ...
- 2025-09-21 12:23九章云极AladdinEdu的博客 本文将深入探讨RNN家族面临的困境，详细解析梯度消失/爆炸问题的数学本质，剖析LSTM和GRU的门控机制如何缓解这些问题，并最终揭示为何Transformer成为了更好的选择。通过理论分析和代码实现，我们将全面理解这一技术...
- 2024-08-30 21:00大模型教程的博客 在BP神经网络和CNN中，输入输出都是互相独立的，但是在实际应用中有些场景输出内容和之前的内容是由关联的，比较典型的就是在处理序列信息的时候。网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己...
- 2024-04-28 21:15Knight_Rob的博客 编码器是由多个相同的层叠加而成的，每个层都有两个子层，包括多头自注意力汇聚和基于位置的前馈网络。如图所示为LSTM中包含的输入门，遗忘门和输出门，他们都通过sigmoid激活函数处理，所以这三个门的值都在（0,1）...
- 2025-03-06 23:17深度学习中的卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等在故障检测中有着重要的应用。 CNN在图像识别领域取得了巨大成功，其强大的特征提取能力使得其在处理视觉数据方面表现优异。在...
- 没有解决我的问题, 去提问
