Ivory Jacobs

파이썬 rnn 예제

파이썬 rnn 예제

다음 단계는 LSTM 모델을 만드는 것입니다. 다시 말하지만, 나는 모든 정보와 TensorFlow 작업을 보유하기 위해 파이썬 클래스를 사용했습니다 :이 메모리를 사용하면 네트워크가 예측 할 때 전체 컨텍스트를 고려할 수있는 시퀀스에서 장기 종속성을 배울 수 있습니다. 문장, 감정 분류 또는 다음 온도 측정의 다음 단어입니다. RNN은 서열을 처리하는 인간의 방법을 모방하도록 설계되었습니다 : 우리는 단어 자체대신 응답을 형성 할 때 전체 문장을 고려합니다. 예를 들어, 위에서 설명한 바와 같이 단어 자체, 즉 “A”, “소녀” 등은 신경망에 직접 입력되지 않습니다. 둘 다 그들의 하나의 뜨거운 벡터 형식 표현-오히려, 포함 벡터 각 단어에 대 한 사용 됩니다. 포함 벡터는 단어의 일부 의미 또는 컨텍스트를 유지해야 하는 단어(종종 길이 50-300 사이)의 효율적인 벡터 표현입니다. 내가 다른 게시물에 광범위하게 덮여있다 단어 포함여기에 입력되지 않습니다 – Word2Vec 단어 는 파이썬과 텐서 플로우, Word2Vec 케라스 튜토리얼과 텐서 플로우와 케라스와 파이썬 gensim Word2Vec 튜토리얼. 그것은 흥미로운 주제이며 조사하는 데 가치가 있습니다. 데이터와 같은 사위 파를 만들려면 파이썬의 수학 라이브러리의 사위 함수를 사용합니다 : Keras는 놀라운 라이브러리입니다 : 그것은 우리가 이해할 수있는 파이썬 코드의 몇 줄에 최첨단 모델을 구축 할 수 있습니다.

다른 신경망 라이브러리가 더 빠르거나 더 많은 유연성을 허용할 수 있지만 개발 시간과 사용 편의성에 대해 Keras를 이길 수 있는 것은 없습니다. 이제 다시 재생 신경망 자체로 돌아갑니다. 재발신경망은 매우 유연합니다. 위에 표시된 구현에서, 우리는 많은 – 투 – 다수 모델을 가지고 – 다른 말로, 우리는 입력 시퀀스가 “여자는 술집에 걸어 …” 그리고 많은 출력 – $h_0$ $h_t$. 우리는 또한 여러 개의 다른 구성을 가질 수 있습니다. 또 다른 옵션은 일대다, 즉 하나의 입력을 제공, 말 “소녀”와 $h_t $에 여러 출력 $h을 예측 (즉, 하나의 시작 단어를 기반으로 문장을 생성하려고).

News Categories

Vacancies

View Latest Jobs

Contact

01489 661516