Les portes qui contrôlent la mémoire
Comment les LSTM décident quoi conserver
Les portes qui contrôlent la mémoire est une leçon NLP Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage NLP Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours NLP Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Plain RNNs Forget
A simple RNN struggles to remember things from far back. The LSTM was built to fix that by carefully managing what it keeps and forgets. 🧠
The Cell State
An LSTM carries a special cell state, a memory line that runs straight through every step so important signals survive long sequences.
Gates Are the Trick
The magic is in the gates: tiny learned switches that decide what to add, keep, or drop from memory at each time step.
How a Gate Works
Each gate uses a sigmoid to output values from 0 to 1, acting like a dimmer that lets some information through and blocks the rest.
gate = sigmoid(W @ x + U @ h + b) # values in [0, 1]The Forget Gate
The forget gate looks at the new input and decides how much of the old memory to erase. A 0 wipes it; a 1 keeps it fully.
The Input Gate
The input gate controls how much fresh information gets written into the cell state, so only useful new signals are stored.
The Candidate Values
A candidate vector proposes what new content could enter memory. The input gate then scales how much of it actually gets added.
candidate = tanh(W @ x + U @ h + b)Updating Memory
The new cell state blends old memory kept by the forget gate with fresh candidate values let in by the input gate.
c = forget * c_prev + input * candidateThe Output Gate
The output gate decides what part of the cell state becomes the visible hidden state passed to the next step and the layer above.
Why Gates Beat Forgetting
Because gates keep the cell state mostly additive, gradients flow back many steps without vanishing. That is how an LSTM remembers long context.
Three Gates, One Cell
So an LSTM has three gates guarding one memory line: forget, input, and output, each learned from data during training.
Quick Check
Test your grip on LSTM gates.
Recap
An LSTM protects a cell state with forget, input, and output gates. Those switches keep long-range memory alive where plain RNNs fail. ✅
Questions Fréquemment Posées
La leçon « Les portes qui contrôlent la mémoire » est-elle gratuite ?
Oui — le texte complet de « Les portes qui contrôlent la mémoire » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours NLP Academy, passe à CoddyKit PRO. Le cours NLP Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Les portes qui contrôlent la mémoire » ?
Comment les LSTM décident quoi conserver Tu pratiques NLP Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer NLP Academy ?
Aucune expérience préalable n'est requise. NLP Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Les portes qui contrôlent la mémoire » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon NLP Academy ?
Oui. Chaque leçon NLP Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Les portes qui contrôlent la mémoire
- GRU : une alternative plus légère
- Entraîner un classifieur LSTM
- Couches bidirectionnelles et empilées