From 431e1e0752aacf34f7bf992206431ebadb3dc185 Mon Sep 17 00:00:00 2001 From: kil-jung-keong Date: Sat, 30 Jul 2022 15:59:59 +0900 Subject: [PATCH] =?UTF-8?q?char=5Frnn=5Fclassification=5Ftutorial.py=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- intermediate_source/char_rnn_classification_tutorial.py | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/intermediate_source/char_rnn_classification_tutorial.py b/intermediate_source/char_rnn_classification_tutorial.py index 9cebe5152..68c3cb02a 100644 --- a/intermediate_source/char_rnn_classification_tutorial.py +++ b/intermediate_source/char_rnn_classification_tutorial.py @@ -177,7 +177,7 @@ def lineToTensor(line): # Autograd 전에, Torch에서 RNN(recurrent neural network) 생성은 # 여러 시간 단계 걸처서 계층의 매개변수를 복제하는 작업을 포함합니다. # 계층은 은닉 상태와 변화도(Gradient)를 가지며, 이제 이것들은 그래프 자체에서 -# 완전히 처리되는 됩니다. 이는 feed-forward 계층과 +# 완전히 처리됩니다. 이는 feed-forward 계층과 # 같은 매우 "순수한" 방법으로 RNN을 구현할 수 있다는 것을 의미합니다. # # 역자 주 : 여기서는 교육목적으로 nn.RNN 대신 직접 RNN을 사용합니다. @@ -410,7 +410,7 @@ def timeSince(since): # # 네트워크가 다른 카테고리에서 얼마나 잘 작동하는지 보기위해 # 모든 실제 언어(행)가 네트워크에서 어떤 언어로 추측(열)되는지를 나타내는 -# 혼란 행열(confusion matrix)을 만듭니다. 혼란 행렬을 계산하기 위해 +# 혼란 행렬(confusion matrix)을 만듭니다. 혼란 행렬을 계산하기 위해 # ``evaluate()`` 로 많은 수의 샘플을 네트워크에 실행합니다. # ``evaluate()`` 은 ``train ()`` 과 역전파를 빼면 동일합니다. #