和cnn等深度神經網路梯度消失的原因不同，rnn中所謂的梯度消失並不是真正意義上的梯度消失，準確的說應該是梯度消散
rnn 中同樣的優化引數在各個時刻共享，最終的梯度 g = 各個時間步的梯度 g_t 的和；較遠時刻的輸出對相比於相鄰時刻的輸出，梯度的計算需要更多次求導運算，這就導致遠距離的梯度更容易消失或**，換乙個角度來說，rnn中的總梯度不會消失，而是遠距離輸出對應的梯度更容易消失，從而導致模型難以學到遠距離的依賴關係。
關於lstm介紹請參考為篇文章->#通俗理解# lstm網路
雲辦公市場和消費市場的不同，是根本上的差別
國內雲辦公市場和消費市場的情況，對比國外一直是很有趣的，雲辦公在國外已經很成熟了，但在國內卻還在緩慢發展，而國內的消費市場卻是國外比不上的。乙個雲辦公產品，對質量要求高，需要穩健的發展，而消費產品，則需要大量擴張，雲辦公的客戶都是企業，當這些客戶購買之後，需要好幾個月的時間讓員工學習和習慣產品，並且...