RNN 的梯度消失问题

的关键在于

CBOW模型更快

测序列。

些优缺点

network= Seq2Seq(cfg)

network = WithLossCell(network, efg)

optimizer-nn.Adam(network,trainable params(),learning rate=cfg.learning rate, betal=0.9,beta2=0.98)

model = Model(network, optimizer=optimizer)

(1)请简要解释network =Seq2Seq(cfg)这一行代码的作用，并说明cfq的作用。

(2)network=WithLossCell(network, cfg)这一行代码实现了什么功能?请详细说明。

(3)在代码中使用了nn.Adam优化器，请解释Adam优化器的丅作原理并分析其优点

w2v model file = os.path.ioin(out dir, 'wordvec.model')

sentences = word2vec.LineSentence(final corpus file).

model= word2vec.Word2Vec(sentences,yector.size-300,

window=5, min count=5,sg=0,hs=0.negative=5,workers=multiprocessing.cpu count()model.saye(w2v model file)#保存模型

print("训练模型结束..")

（1）word2vec.LineSentence(final_corpus_fie)的作用及其工作原理。

(2)model =word2vec.Word2Vec(...)这一行作用是?请解释关键参数的含义。

(3)为什么在训练模型时要选择保存模型？