3-2长短时记忆神经网络(LSTM)--Keras实现

点击查看完整代码http://www.daimapi.com/neuralnetwork3_2/

该代码利用Python3实现，利用到了深度学习工具包Keras。

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras的主要特点：1.简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）；2.支持CNN和RNN，或二者的结合；3.无缝CPU和GPU切换。

# -*- coding: utf-8 -*-
# 利用LSTM来做一个三字母到一个字母的映射
import numpy
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.utils import np_utils

# 固定随机种子，为了重现结果
numpy.random.seed(7)

# 定义原始数据集
alphabet = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"

# 创建字符到整数的映射（0到25）和反向映射
char_to_int = dict((c, i) for i, c in enumerate(alphabet))
int_to_char = dict((i, c) for i, c in enumerate(alphabet))

# 准备输出，即将输入对应的输出编码为整数
seq_length = 3
dataX = []
dataY = []
for i in range(0, len(alphabet) - seq_length, 1):
    seq_in = alphabet[i:i + seq_length]
    seq_out = alphabet[i + seq_length]
    dataX.append([char_to_int[char] for char in seq_in])
    dataY.append(char_to_int[seq_out])
    print(seq_in, '->', seq_out)

# 将X变形为[samples, time steps, features]
X = numpy.reshape(dataX, (len(dataX), seq_length, 1))

# 标准化
X = X / float(len(alphabet))

# 将输出变量进行独热编码
y = np_utils.to_categorical(dataY)