From cc0b8053f3f729bc709b476a18b455126b1ab026 Mon Sep 17 00:00:00 2001 From: guosheng Date: Thu, 8 Mar 2018 19:35:35 +0800 Subject: [PATCH 1/2] Refine the guide of RNN in docs --- doc/v2/howto/rnn/index_cn.rst | 24 ++++++++++++++++++++++++ 1 file changed, 24 insertions(+) diff --git a/doc/v2/howto/rnn/index_cn.rst b/doc/v2/howto/rnn/index_cn.rst index bcc8c2f46eb66..6b630ccaa4157 100644 --- a/doc/v2/howto/rnn/index_cn.rst +++ b/doc/v2/howto/rnn/index_cn.rst @@ -1,10 +1,34 @@ RNN模型 =========== +循环神经网络（RNN）是对序列数据建模的重要工具。PaddlePaddle提供了灵活的接口以支持复杂循环神经网络的构建。 +这一部分将分以下章节详细介绍如何使用PaddlePaddle搭建循环神经网络。 .. toctree:: :maxdepth: 1 rnn_config_cn.rst + +本章节由浅入深的展示了使用PaddlePaddle搭建循环神经网络的全貌：首先以简单的循环神经网络（vanilla RNN）为例， +说明如何封装配置循环神经网络组件；然后更进一步的通过sequence to sequence模型，逐步讲解如何构建完整而复杂的循环神经网络模型。 + +.. toctree:: + :maxdepth: 1 + recurrent_group_cn.md + +Recurrent Group是PaddlePaddle中实现复杂循环神经网络的关键，本章节阐述了PaddlePaddle中Recurrent Group的相关概念和原理， +对Recurrent Group接口进行了详细说明。另外，对双层RNN（对应的输入为双层序列）及Recurrent Group在其中的使用进行了介绍。 + +.. toctree:: + :maxdepth: 1 + hierarchical_layer_cn.rst + +本章节对双层序列进行了解释说明，列出了PaddlePaddle中支持双层序列作为输入的Layer并对其使用进行了逐一介绍。 + +.. toctree:: + :maxdepth: 1 + hrnn_rnn_api_compare_cn.rst + +本章节以PaddlePaddle的双层RNN单元测试中的网络配置为示例，辅以效果相同的单层RNN网络配置作为对比，讲解了多种情况下双层RNN的使用。 From 71dd899369081bdb46f58d7501154cd5ea980ce0 Mon Sep 17 00:00:00 2001 From: guosheng Date: Thu, 8 Mar 2018 21:11:37 +0800 Subject: [PATCH 2/2] Refine the guide of RNN in docs by following comments --- doc/v2/howto/rnn/index_cn.rst | 16 ++++++++-------- 1 file changed, 8 insertions(+), 8 deletions(-) diff --git a/doc/v2/howto/rnn/index_cn.rst b/doc/v2/howto/rnn/index_cn.rst index 6b630ccaa4157..2032fb9e296ab 100644 --- a/doc/v2/howto/rnn/index_cn.rst +++ b/doc/v2/howto/rnn/index_cn.rst @@ -1,34 +1,34 @@ RNN模型 =========== 循环神经网络（RNN）是对序列数据建模的重要工具。PaddlePaddle提供了灵活的接口以支持复杂循环神经网络的构建。 -这一部分将分以下章节详细介绍如何使用PaddlePaddle搭建循环神经网络。 +这里将分为以下四个部分详细介绍如何使用PaddlePaddle搭建循环神经网络。 + +第一部分由浅入深的展示了使用PaddlePaddle搭建循环神经网络的全貌：首先以简单的循环神经网络（vanilla RNN）为例， +说明如何封装配置循环神经网络组件；然后更进一步的通过序列到序列（sequence to sequence）模型，逐步讲解如何构建完整而复杂的循环神经网络模型。 .. toctree:: :maxdepth: 1 rnn_config_cn.rst -本章节由浅入深的展示了使用PaddlePaddle搭建循环神经网络的全貌：首先以简单的循环神经网络（vanilla RNN）为例， -说明如何封装配置循环神经网络组件；然后更进一步的通过sequence to sequence模型，逐步讲解如何构建完整而复杂的循环神经网络模型。 +Recurrent Group是PaddlePaddle中实现复杂循环神经网络的关键，第二部分阐述了PaddlePaddle中Recurrent Group的相关概念和原理， +对Recurrent Group接口进行了详细说明。另外，对双层RNN（对应的输入为双层序列）及Recurrent Group在其中的使用进行了介绍。 .. toctree:: :maxdepth: 1 recurrent_group_cn.md -Recurrent Group是PaddlePaddle中实现复杂循环神经网络的关键，本章节阐述了PaddlePaddle中Recurrent Group的相关概念和原理， -对Recurrent Group接口进行了详细说明。另外，对双层RNN（对应的输入为双层序列）及Recurrent Group在其中的使用进行了介绍。 +第三部分对双层序列进行了解释说明，列出了PaddlePaddle中支持双层序列作为输入的Layer，并对其使用进行了逐一介绍。 .. toctree:: :maxdepth: 1 hierarchical_layer_cn.rst -本章节对双层序列进行了解释说明，列出了PaddlePaddle中支持双层序列作为输入的Layer并对其使用进行了逐一介绍。 +第四部分以PaddlePaddle的双层RNN单元测试中的网络配置为示例，辅以效果相同的单层RNN网络配置作为对比，讲解了多种情况下双层RNN的使用。 .. toctree:: :maxdepth: 1 hrnn_rnn_api_compare_cn.rst - -本章节以PaddlePaddle的双层RNN单元测试中的网络配置为示例，辅以效果相同的单层RNN网络配置作为对比，讲解了多种情况下双层RNN的使用。