【Keras】LSTM和Bi-LSTM神经网络
KerasLSTM和Bi-LSTM神经网络
- 导入安装包
- 加载并划分数据集
- 数据处理
- 创建LSTM模型并训练
- 评估模型
- 创建Bi-LSTM模型并训练
- 打印Bi-LSTM模型
- 评估Bi-LSTM模型
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 ...
最新文章
- hibenate5.1配置mysql_hibernate5.2的基本配置方法(详解)
- 计算机中丢失ZJCAKeyAdmin,ZJCA数字证书客户端
- java中的规范是什么意思_Java中的异常规范有什么好处?
- opencv-api findContours
- SIMD与NEON概念理解
- Aitit aop之道 艾龙著 需要整合zop资料包东西 第1章 AOP的产生 1.1 软件开发方法的演进 1.2 AOP产生的前奏——把系统看做一批关注点
- 计算机设备硬件维护税收编码,自动化设备的税收编码是多少
- VS2019添加自定义发布本地的Nuget(.nupkg文件)
- 如何使用计算机讲解ppt,如何录制PPT讲解视频?
- java------jdkd的安装与配置变量环境
- 樱花何处有?动态樱花飘落图
- 【072】Breathe Machine-减压深呼吸训练
- Excel每隔10行取得一个数字
- 数据驱动决策:BI在零售业的数据化管理
- HNU实验五05阿迪看医生
- Cartesi 介绍
- 助理辞职了——献给那些浮躁的职场年轻人
- java SpringBoot+SpringCloud+mybatis b2b2c o2o电商平台 小程序商城 直播电商 直播带货 代跑腿 三级分销 短视频带货 电子商务 源码
- 【SSM分布式架构电商项目-02】实现后台管理系统的选择商品类目
- 循环卷积和线性卷积(矩阵视角)
热门文章
- delphi压缩后使用http协议base64上传下载6G超大文件
- 蓝桥杯官网练习系统入门训练(二)
- 上海嵌联自控供应车流量统计系统
- oracle把字段选为候选键,Oracle数据库试题及答案
- \t\t超星pdg转PDF文档之虚拟打印法
- 超星阅读器书籍导出为pdf
- 分享一个好用的Python在线编辑器
- Visual Assist X V10.7.1929.0 官方原版+破解补丁+破解方法
- signature=9293cc4bd6f47e4f2a5f299011c6e89e,02-本地证书配置指导
- python——向Excel读取或写入数据