使用TENSORFLOW训练循环神经网络语言模型

sess = tf.Session()

sess.run(tf.global_variables_initializer())

print('Start training...')

for epoch in range(num_epochs): # 迭代轮次

for i in range(batch_len): # 经由若干个batch

x_batch, y_batch = input_train.next_batch()

# 取一个批次的数据，运行优化

feed_dict = {model._inputs: x_batch, model._targets: y_batch}

sess.run(model.optim, feed_dict=feed_dict)

# 每500个batch，输出一次中心结不雅

if i % 500 == 0:

cost = sess.run(model.cost, feed_dict=feed_dict)

msg = "Epoch: {0:>3}, batch: {1:>6}, Loss: {2:>6.3}"

print(msg.format(epoch + 1, i + 1, cost))

# 输出部分猜测结不雅

pred = sess.run(model._pred, feed_dict=feed_dict)

word_ids = sess.run(tf.argmax(pred, 1))

print('Predicted:', ' '.join(words[w] for w in word_ids))

true_ids = np.argmax(y_batch, 1)

print('True:', ' '.join(words[w] for w in true_ids))

print('Finish training...')

sess.close()

须要经由多次的练习才能获得一个较为合理的结不雅。

【编辑推荐】

一篇文┞仿控制TensorFlow深度进修
分布式机械进修平台大年夜比拼：Spark、PMLS、TensorFlow、MXNet
若何用深度进修练习一个像你一样会聊天的机械人？
处理移动端传感器时序数据的深度进修框架：DeepSense
调试神经收集让人抓狂？这有16条锦囊妙计送给你

【义务编辑：庞桂玉 TEL：（010）68476606】

def _read_words(filename): 
    	
			 8/9   首页 上一页 6 7 8 9 下一页 尾页	
			

　　推荐阅读
　　调试神经网络让人抓狂？这有16条锦囊妙计送给你
应用网格搜刮或随机搜刮或设备文件来调剂超参数 不要手动检查所有的参数，如许耗时并且低效。我平日对所有参数应用全局设备，检查运行结不雅之后，我拒绝一步研究改进的偏向。如不雅这种办法没有赞助，那么你可以应>>>详细阅读


本文标题：使用TENSORFLOW训练循环神经网络语言模型
地址：http://www.17bianji.com/lsqh/36985.html
 1/2    1