當前位置：首頁 > 人文社科 > 生活经验 >内容正文

生活经验

keras 的 example 文件 addition_rnn.py 解析

發布時間：2023/11/27 生活经验 39 豆豆

生活随笔收集整理的這篇文章主要介紹了 keras 的 example 文件 addition_rnn.py 解析小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

該代碼實現了通過神經網絡來計算兩個三位數的相加

先生成一堆訓練數據，打印一下

print(questions[:10])
print(expected[:10])

結果為：

[' 31+991', ' 46+154', '    0+2', '    9+9', '    1+7', '  827+2', '  97+09', '    0+8', '    5+3', '  5+239']
['212 ', '515 ', '2   ', '18  ', '8   ', '730 ', '169 ', '8   ', '8   ', '937 ']

編碼的時候，questions是前面加空格，后面是真實的計算字符串，也就是右對齊

expected是后面加空格，也就是說expected字符串是左對齊

然后進行編碼，參考下面的questions編碼方式

 31+991
[[ True False False False False False False False False False False False][False False False False False  True False False False False False False][False False False  True False False False False False False False False][False  True False False False False False False False False False False][False False False False False False False False False False False  True][False False False False False False False False False False False  True][False False False  True False False False False False False False False]]46+154
[[ True False False False False False False False False False False False][False False False False False False  True False False False False False][False False False False False False False False  True False False False][False  True False False False False False False False False False False][False False False  True False False False False False False False False][False False False False False False False  True False False False False][False False False False False False  True False False False False False]]0+2
[[ True False False False False False False False False False False False][ True False False False False False False False False False False False][ True False False False False False False False False False False False][ True False False False False False False False False False False False][False False  True False False False False False False False False False][False  True False False False False False False False False False False][False False False False  True False False False False False False False]]

上面的一行，分別對應[空格, +, 0,1,2,3,4,5,6,7,8,9]，所以字符串進行了類似的one-hot編碼

expected也是一樣：

212
[[False False False False  True False False False False False False False][False False False  True False False False False False False False False][False False False False  True False False False False False False False][ True False False False False False False False False False False False]]
515
[[False False False False False False False  True False False False False][False False False  True False False False False False False False False][False False False False False False False  True False False False False][ True False False False False False False False False False False False]]
2
[[False False False False  True False False False False False False False][ True False False False False False False False False False False False][ True False False False False False False False False False False False][ True False False False False False False False False False False False]]

因為expected中沒有加號，所以第二列永遠為False

x_train.shape和y_train.shape分別為(45000, 7, 12) (45000, 4, 12)

神經網絡模型為：

__________________________________________________________________________________________
Layer (type)                            Output Shape                        Param #
==========================================================================================
lstm_1 (LSTM)                           (None, 128)                         72192
__________________________________________________________________________________________
repeat_vector_1 (RepeatVector)          (None, 4, 128)                      0
__________________________________________________________________________________________
lstm_2 (LSTM)                           (None, 4, 128)                      131584
__________________________________________________________________________________________
time_distributed_1 (TimeDistributed)    (None, 4, 12)                       1548
==========================================================================================
Total params: 205,324
Trainable params: 205,324
Non-trainable params: 0
__________________________________________________________________________________________

上面可以看到，兩個LSTM的輸出shape不一樣，一個是(None, 128)，另一個是(None, 4, 128)，這是因為第一個RNN的return_sequences為False，而第一個RNN的return_sequences為True

代碼解釋參考官方教程：

https://keras.io/zh/examples/addition_rnn/

——————————————————————

總目錄

keras的example文件解析

總結

以上是生活随笔為你收集整理的keras 的 example 文件 addition_rnn.py 解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：人工智能入门：keras的example
下一篇： keras 的 example 文件 a