漫谈四种神经网络序列解码模型以及示例代码

漫谈四种神经网络序列解码模型以及示例代码

作者：来源： 2017-04-25 13:04:28 阅读次我要评论

en_de_model.add(encoder_top_layer)

if decoder_mode == 0:

en_de_model.add(RepeatVector(tar_maxlen))

en_de_model.add(decoder_top_layer)

en_de_model.add(TimeDistributedDense(output_dim))

en_de_model.add(Activation(‘softmax’))

print(‘Compiling…’)

time_start = time.time()

en_de_model.compile(loss=’categorical_crossentropy’, optimizer=’rmsprop’)

time_end = time.time()

print(‘Compiled, cost time:%fsecond!’ % (time_end - time_start))

for iter_num in range(5000):

en_de_model.fit(inputs_train, tars_train, batch_size=3, nb_epoch=1, show_accuracy=True)

out_predicts = en_de_model.predict(inputs_train)

for i_idx, out_predict in enumerate(out_predicts):

predict_sequence = []

for predict_vector in out_predict:

next_index = np.argmax(predict_vector)

next_token = idx_to_word[next_index]

predict_sequence.append(next_token)

print(‘Target output:’, tar_text[i_idx])

print(‘Predict output:’, predict_sequence)

print(‘Current iter_num is:%d’ % iter_num)

if __name__ == ’__main__‘:

main()

【编辑推荐】

深度进修概述：大年夜感知机到深度收集
Facebook的交互式神经收集可视化体系ActiVis，打开神经收集的“黑盒子”
一文看懂神经收集工作道理
递归神经收集之父:将来机械人对待仁攀类就像我们存眷蚂蚁一般
8/9 首页上一页 6 7 8 9 下一页尾页

　　推荐阅读

　　如何使用batch-import工具向neo4j中导入海量数据

【引自T_SevenS的博客】在开辟neo4j的过程中，经常会有同窗问若何向neo4j中导入大年夜量的汗青数据，而这些数据一般都邑存在于关系型数据库中，如今本人就根据本身的导入经历，把导入的过>>>详细阅读

本文标题：漫谈四种神经网络序列解码模型以及示例代码

地址：http://www.17bianji.com/lsqh/34942.html

1/2 1

关键词：探索发现

乐购科技部分新闻及文章转载自互联网，供读者交流和学习，若有涉及作者版权等问题请及时与我们联系，以便更正、删除或按规定办理。感谢所有提供资讯的网站，欢迎各类媒体与乐购科技进行文章共享合作。

网友点评

自媒体专栏

评论

热度

精彩导读

栏目ID=71的表不存在(操作类型=0)

科技快报

品牌展示