🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
🎯
趣闻GRU是LSTM的简化版，把LSTM的三个门(输入门、遗忘门、输出门)简化为两个门(更新门、重置门)。参数少了三分之一、训练更快，在很多任务上效果和LSTM不相上下。
一句话总结
💡
GRU是LSTM的简化变体，用更新门和重置门替代三个门，参数更少、计算更快，在很多任务上效果接近LSTM。
常见误区
这些坑别踩
✗
误区 1
GRU一定不如LSTM因为门更少。
✓
正确理解
GRU虽然门少但参数少、训练快，在很多任务上性能与LSTM相当甚至更好，选择应根据具体任务通过实验决定，没有绝对优劣。
✗
误区 2
GRU和LSTM结构完全一样。
✓
正确理解
GRU合并了LSTM的遗忘门和输入门为更新门，且没有独立的细胞状态(直接用隐藏状态)，结构和计算都更简洁。
巩固练习
章节练习与面试准备
通过测试检验学习效果，通过面试题提升实战能力
章末测试
共 4 题 · 选择题
1
GRU（Gated Recurrent Unit）包含哪些门控？
2
在 GRU 中，更新门 z_t 的作用最接近 LSTM 中的哪个门？
3
GRU 相比 LSTM 的主要优势是？
4
GRU 中重置门 r_t = 0 时，意味着什么？
面试经典题
共 4 题 · 先思考再看答案
1
中等
请写出 GRU 的完整前向计算公式，并解释重置门和更新门的作用。
2
中等
对比 GRU 与 LSTM 的结构差异、参数量及适用场景。
3
困难
为什么 GRU/LSTM 能缓解梯度消失？从梯度路径角度解释。
4
困难
在什么情况下 GRU 可能优于 LSTM？反之呢？请结合实际经验分析。
💡 建议：先独立思考并组织语言，再对照参考答案查漏补缺