tf 从RNN到BERT
数据初始化
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import *((x_train, y_train), (x_test, y_test)) = keras.datasets.mnist.load_data()x_train = x_train.reshape(60000, -1)
y_train = keras.utils.np_utils.to_categorical(y_train)
SimpleRNN
model1 = keras.Sequential()
model1.add(Embedding(input_dim=256, output_dim=5))
model1.add(SimpleRNN(units=2))
model1.add(Dense(10))model1.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
model1.fit(x_train, y_train, batch_size=10)
GRU
model2 = keras.Sequential()
model2.add(Embedding(input_dim=256, output_dim=5))
model2.add(GRU(units=2))
model2.add(Dense(10))model2.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
model2.fit(x_train, y_train, batch_size=10)
LSTM
model3 = keras.Sequential()
model3.add(Embedding(input_dim=256, output_dim=5))
model3.add(LSTM(units=2))
model3.add(Dense(10))model3.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
model3.fit(x_train, y_train, batch_size=10)
encoder-decoder
model3 = keras.Sequential()
model3.add(Embedding(input_dim=256, output_dim=5))
model3.add(LSTM(units=2))
model3.add(Dense(10))model3.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
model3.fit(x_train, y_train, batch_size=10)
tf 从RNN到BERT相关推荐
- DL之LSTM:tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读
DL之LSTM:tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 目录 tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 函 ...
- Tensorflow:tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利!)、MultiRNNCell函数的解读与理解
Tensorflow:tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利!).MultiRNNCell函数的解读与理解 目录 1.tf.contrib. ...
- TF之RNN:TF的RNN中的常用的两种定义scope的方式get_variable和Variable
TF之RNN:TF的RNN中的常用的两种定义scope的方式get_variable和Variable 目录 输出结果 代码设计 输出结果 代码设计 # tensorflow中的两种定义scope(命 ...
- DL之RNN:基于TF利用RNN实现简单的序列数据类型(DIY序列数据集)的二分类(线性序列随机序列)
DL之RNN:基于TF利用RNN实现简单的序列数据类型(DIY序列数据集)的二分类(线性序列&随机序列) 目录 序列数据类型&输出结果 设计思路 序列数据类型&输出结果 1.t ...
- DL之RNN:人工智能为你写代码——基于TF利用RNN算法实现生成编程语言代码(C++语言)、训练测试过程全记录
DL之RNN:基于TF利用RNN算法实现生成编程语言代码(C语言).训练&测试过程全记录 目录 输出结果 监控模型 训练&测试过程全记录 训练的数据集展示 输出结果 1.test01 ...
- TF之RNN:实现利用scope.reuse_variables()告诉TF想重复利用RNN的参数的案例
TF之RNN:实现利用scope.reuse_variables()告诉TF想重复利用RNN的参数的案例 目录 输出结果 代码设计 输出结果 后期更新-- 代码设计 import tensorflow ...
- RNN调试错误:lstm_cell = tf.contrib.rnn.core_rnn_cell.BasicLSTMCell(lstm_size) 方法已失效
调试递归神经网络(RNN)的时候出现如下错误: ### module 'tensorflow.contrib.rnn' has no attribute 'core_rnn_cell' 经检查是tf. ...
- DL之RNN:人工智能为你写周董歌词——基于TF利用RNN算法实现【机器为你作词】、训练测试过程全记录
DL之RNN:人工智能为你写周董歌词--基于TF利用RNN算法实现~机器为你作词~.训练&测试过程全记录 目录 输出结果 模型监控 训练.测试过程全记录 训练的数据集 输出结果 1.test0 ...
- DL之RNN:人工智能为你写小说——基于TF利用RNN算法训练数据集(William Shakespeare的《Coriolanus》)替代你写英语小说短文、训练测试过程全记录
DL之RNN:基于TF利用RNN算法训练数据集(William Shakespeare的<Coriolanus>)替代你写英语小说短文.测试过程全记录 目录 输出结果 监控模型 训练过程全 ...
最新文章
- Java序列化的作用和反序列化
- 每日一皮:这个食堂好...
- 实例告诉你如何把 if-else 重构成高质量代码!
- LeetCode Bitwise AND of Numbers Range(位操作)
- 计算机网络原理和OSI模型与TCP模型
- 使用python装饰器计算函数运行时间的实例
- HR数据抽取:通过 Read Master Data 转换规则读取时间相关主属性数据
- android中src和background区别
- redis主从配置转
- 自己动手实现STL:前言
- 在线CSV转XML工具
- [转载]Qt之模型/视图(自定义风格)_vortex_新浪博客
- 2019 PC 台式机垃圾佬 记录
- 阿里云RPA(机器人流程自动化)干货系列之五:业务流程梳理方法
- 「精研科技」× 企企通,全球MIM龙头借助采购供应商数字化向多领域突破
- ubuntu下安装navicat
- websocket服务端和html客户端进行二进制数据交互
- 关于网络重置后无法联网的解决办法
- 科研快报 | 三代测序技术-海水微生物态,助力海水微生态及微生物基因组研究
- MobaXterm修改字体不生效的解决方案
热门文章
- 安卓系列转载,有时间可以参考学习
- 2.1.4 进程之间的通信(共享通信、消息传递、管道通信)
- scrcpy设置快捷键_电脑端scrcpy控制Android手机
- U-Boot 之一 零基础编译 U-Boot 过程详解 及 编译后的使用说明
- 转:ext2文件系统详解
- Linux / pthread_create() 函数所使用的线程函数为什么必须是静态函数?
- 对于dts的理解和分析
- mysql分库负载均衡_订单模块以及负载均衡和分库分表
- 公钥和私钥怎么生成_科普 | Eth2 验证者如何生成和保护取款密钥
- Android 拦截WebView请求,并加入或修改参数(GET)