导入安装包

import tensorflow.keras
from tensorflow.keras.datasets import mnist
from tensorflow.keras.layers import Dense,LSTM,Bidirectional
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential

加载并划分数据集

使用手写数字数据

#划分数据集
(x_train,y_train),(x_test,y_test) = mnist.load_data()

数据处理

数据类型转换：
x_train和x_test里的数据都是int整数，要把它们转换成float32浮点数
数据归一化处理：
要把x_train和x_test里的整数变成0-1之间的浮点数，就要除以255。因为色彩的数值是0-255，所以要变成0-1之间的浮点数，只要简单的除以255
one-hot处理：
y值0-9数字变成onehot模式，以后就可以把分类数据变成这种形式

#设置数据类型为float32
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')# 数据值映射在[0,1]之间
x_train = x_train/255
x_test = x_test/255#数据标签one-hot处理
y_train = keras.utils.to_categorical(y_train,10)
y_test = keras.utils.to_categorical(y_test,10)
print(y_train[1])

创建LSTM模型并训练

nb_lstm_outputs = 30#神经元个数
nb_time_steps = 28 #时间序列长度
nb_input_vector = 28 #输入序列#创建模型
model = Sequential()
model.add(LSTM(nb_lstm_outputs,input_shape=(nb_time_steps,nb_input_vector)))
model.add(Dense(10,activation='softmax'))model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['acc'])
model.fit(x_train,y_train,epochs=20,batch_size=128)

#打印模型
model.summary()

评估模型

model.evaluate(x_test, y_test,batch_size=128, verbose=1)

预测结果比前文的简单神经网络要好：
准确度从0.9615提升到0.9751

创建Bi-LSTM模型并训练

# building model
model = Sequential()
model.add(Bidirectional(LSTM(nb_lstm_outputs,return_sequences=True),input_shape=(nb_time_steps, nb_input_vector)))
model.add(Bidirectional(LSTM(nb_lstm_outputs)))
model.add(Dense(10,activation='softmax'))#编译模型
model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['acc'])
#训练模型
model.fit(x_train,y_train,epochs=20,batch_size=128)

打印Bi-LSTM模型

model.summary()

评估Bi-LSTM模型

model.evaluate(x_test, y_test,batch_size=128)

准确度从0.9751提升到0.9861

写文不容易，请给个赞吧！

【Keras】LSTM和Bi-LSTM神经网络相关推荐

使用Keras进行深度学习：（六）LSTM和双向LSTM讲解及实践
###欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 介绍长短期记忆(Long Short Term Memor ...
利用Keras开发用于分类问题的双向LSTM及与LSTM性能的比较
双向LSTM是传统LSTM的扩展,可以提高序列分类问题的模型性能.在输入序列为时间问题的分类数据上,双向LSTM在输入序列上训练的模型是两个而不是一个LSTM.输入序列中的第一个是原始样本,第二个是输 ...
LSTM 长短期记忆循环神经网络（学习笔记）
LSTM 长短期记忆循环神经网络 1.LSTM 定义 LSTM 全称是Long Short Term Memory (长短期记忆),是RNN的一种. 基本一般情况下使用RNN都是使用LSTM,最基础的 ...
LSTM长短期记忆人工神经网络简述
LSTM长短期记忆人工神经网络简述 By:Yang Liu 1.什么是LSTM 长短期记忆网络(LSTM,Long Short-Term Memory)是一种时间循环神经网络,是为了解决一般的RNN( ...
python cnn 实例_在Keras中CNN联合LSTM进行分类实例
我就废话不多说,大家还是直接看代码吧~ def get_model(): n_classes = 6 inp=Input(shape=(40, 80)) reshape=Reshape((1,40,8 ...
Tensorflow使用CNN卷积神经网络以及RNN(Lstm、Gru)循环神经网络进行中文文本分类
Tensorflow使用CNN卷积神经网络以及RNN(Lstm.Gru)循环神经网络进行中文文本分类本案例采用清华大学NLP组提供的THUCNews新闻文本分类数据集的一个子集进行训练和测试http ...
Keras——用Keras搭建RNN回归循环神经网络
文章目录 1.前言 2.用Keras搭建RNN回归循环神经网络 2.1.导入必要模块 2.2.超参数设置 2.3.构造数据 2.4.搭建模型 2.5.激活模型 2.6.训练+测试 1.前言这次我们用 ...
LSTM和双向LSTM讲解及实践
目录: RNN的长期依赖问题 LSTM原理讲解双向LSTM原理讲解 keras实现LSTM和双向LSTM RNN 的长期依赖问题在上篇文章中介绍的循环神经网络RNN在训练的过程中会有长期依赖的问题 ...
LSTM和双向LSTM
文章目录 1. RNN 2. LSTM 2.1 简介 2.2 细胞状态 2.3 遗忘门 2.4 输入门 2.5 输出门 3. 双向LSTM(Bi-directional LSTM) 4. keras ...
lstm原文_LRCN: LSTM与CNN相结合模型
今日阅读论文题目:Long-Term Recurrent Convolutional Networks for Visual Recognition and Description 论文地址:http ...

【Keras】LSTM和Bi-LSTM神经网络

KerasLSTM和Bi-LSTM神经网络