這一份視頻教程中吱肌，我會用簡明的例子和手繪圖，為你講解循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network, RNN）的原理和使用方法仰禽。
關于深度學習氮墨，我已經(jīng)為你講解了不少內(nèi)容了。
咱們簡單回顧一下吐葵。常見的深度學習任務勇边，面對的數(shù)據(jù)類型主要是三類：
第一類，是結構化數(shù)據(jù)折联，也就是樣本和屬性組成的表格。例如《如何用Python和深度神經(jīng)網(wǎng)絡鎖定即將流失的客戶识颊？》一文中诚镰，我們用到的表格：
這種數(shù)據(jù)格式，最為簡單祥款。你也很容易理解深度神經(jīng)網(wǎng)絡的結構和處理方法清笨。
第二類，是圖像數(shù)據(jù)刃跛】侔《如何用 Python 和 fast.ai 做圖像深度遷移學習？》一文中桨昙，我給你詳細介紹過如何用卷積神經(jīng)網(wǎng)絡來處理它检号。
第三類，是序列數(shù)據(jù)蛙酪，例如文本齐苛。《如何用 Python 和深度遷移學習做文本分類桂塞？》一文里面凹蜂，咱們已經(jīng)展示了如何使用 fast.ai 提供的語言模型對其進行處理。
其中阁危，圖像和序列數(shù)據(jù)玛痊，處理起來更需要你對深度神經(jīng)網(wǎng)絡結構的理解。
作為文科生狂打，你在學習卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡的時候擂煞，可能會遇到一些問題。因為它們大多采用比較復雜的結構圖和公式進行描述菱父。
當然颈娜，你看到了剑逃，即便你對于循環(huán)神經(jīng)網(wǎng)絡不了解，把它當成一個黑箱官辽，你依然可以用高階的深度學習框架蛹磺，例如 fast.ai ，執(zhí)行自然語言處理任務同仆，而且效果還很突出萤捆。
Franc?ois Chollet 在他的 "Deep Learning with Python" 一書中，也提到過這種觀點（注意這里說的是 RNN 的一個變種俗批，叫做 LSTM）：
you don’t need to understand anything about the specific architecture of an LSTM cell; as a human, it shouldn’t be your job to understand it.
但是注意俗或， Franc?ois Chollet 后面還有一句話：
Just keep in mind what the LSTM cell is meant to do.
也就是說，它的實現(xiàn)細節(jié)岁忘，你不需要考慮辛慰。
當然，它的作用干像，你還是得了解的帅腌。
如果你需要做研究，就得針對具體的任務麻汰，對神經(jīng)網(wǎng)絡中的各種模塊進行調(diào)整速客、拼裝和整合。
這時候五鲫，如果你對深度神經(jīng)網(wǎng)絡的理解溺职，基本上等同于黑箱，那么你甚至都不知道該如何把它的輸出和其他模塊拼接起來位喂。
之前浪耘，我給你做了個視頻講解《文科生如何理解卷積神經(jīng)網(wǎng)絡？》塑崖，為你把卷積神經(jīng)網(wǎng)絡的原理進行了拆解剖析点待。
從讀者和觀眾們的反饋來看，許多人覺得有幫助弃舒。
有不少人留言癞埠，希望我以同樣通俗易懂的講法，講講用于處理序列數(shù)據(jù)（例如文本）的循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network, RNN）的原理聋呢。
其實苗踪，我也早就想為你講解這一部分的知識。無奈序列是個動態(tài)的概念削锰，所以用文字來給你講解循環(huán)神經(jīng)網(wǎng)絡模型通铲，效率不高。
好在器贩，我最近剛剛學會颅夺，如何在錄制視頻的時候朋截，使用手寫輸入。于是我立即把這一技術吧黄，納入到咱們的教程制作中來部服。
我花了一個晚上的時間，為你做了這份視頻教程拗慨。已發(fā)布到了騰訊視頻廓八，鏈接在這里。
從我們耳熟能詳?shù)囊粋€故事講起赵抢，觸類旁通剧蹂，讓你更容易理解循環(huán)神經(jīng)網(wǎng)絡的作用、特點和結構烦却。
除了前文提到的一些材料宠叼，視頻中還提及了詞嵌入（word embedding）的相關知識。這一部分其爵，你可以參考《如何用Python處理自然語言车吹？（Spacy與Word Embedding）》和《如何用 Python 和 gensim 調(diào)用中文詞嵌入預訓練模型？》醋闭。
希望這份視頻教程，對你了解循環(huán)神經(jīng)網(wǎng)絡能有幫助朝卒。
祝（深度）學習愉快证逻！
喜歡請點贊和打賞。還可以微信關注和置頂我的公眾號“玉樹芝蘭”(nkwangshuyi)抗斤。
如果你對 Python 與數(shù)據(jù)科學感興趣囚企，不妨閱讀我的系列教程索引貼《如何高效入門數(shù)據(jù)科學？》瑞眼，里面還有更多的有趣問題及解法龙宏。
