RNN代码解读之char-RNN with TensorFlow(sample.py)

最新推荐文章于 2024-03-19 10:30:00 发布

VIP文章 Issac_33

最新推荐文章于 2024-03-19 10:30:00 发布

阅读量2.6k

点赞数 2

本文链接：https://blog.csdn.net/qq_35647180/article/details/53518912

版权

此工程解读链接(建议按顺序阅读)：
RNN代码解读之char-RNN with TensorFlow(model.py)
RNN代码解读之char-RNN with TensorFlow(train.py)
RNN代码解读之char-RNN with TensorFlow(util.py)
RNN代码解读之char-RNN with TensorFlow(sample.py)

终于到了最后，在这里我们用到了sample.py以及model.py里面的sample方法。
在采样过程中，要注意batch_size和sequence_length都是1了，我们只需要输入一个，根据这一个字符计算下一个就好了，因此在model中，某些张量的尺寸，比如说prob，就会改变，这一点在下面也有注明。

我在这里有一个问题，希望可以获得大家的指点。代码中sample设置了三种方法，其中用到了一种叫weighted_pick的方法，感觉像是在概率分布函数中随机插值取样，这里不太懂为什么要这么做，取最大不是更好吗？希望大家不吝赐教，非常感谢！

#-*-coding:utf-8-*-
from __future__ import print_function
import numpy as np
import tensorflow as tf

import argparse
import time
import os
from six.moves import cPickle

from utils import TextLoader
from model import Model