【深度学习】在RNN中实现简单GRU例子

问题描述:

GRU神经元中包含两个门,分别是:更新和复位

代码展示:

from gc import callbacks
import numpy as np
import pandas as pd

from keras.preprocessing import sequence
from keras.models import Sequential
from keras.layers import Dense,Dropout,Activation
from keras.layers import Embedding,GRU
from keras.callbacks import EarlyStopping
from keras.datasets import  imdb

n_words = 1000
(X_train,y_train),(X_test,y_test) = imdb.load_data(num_words=n_words)
print("train seq:{}".format(len(X_train)))
print("test seq:{}".format(len(X_test)))

#填充序列,为网络准备输入数据
max_len = 200
X_train = sequence.pad_sequences(X_train,maxlen=max_len)
X_test = sequence.pad_sequences(X_test,maxlen=max_len)

#定义网络架构并编译
model = Sequential()
model.add(Embedding(n_words,50,input_length=max_len))
model.add(Dropout(0.2))
model.add(GRU(100,dropout=0.2,recurrent_dropout=0.2))
model.add(Dense(250,activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(1,activation = 'sigmoid'))

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['acc'])
model.summary()

#调用callback防止过拟合
callbacks = [EarlyStopping(monitor='val_acc',patience=3)]

#定义超参数开始训练网络
batch_size = 512
n_epochs = 10

model.fit(X_train,y_train,batch_size = batch_size,epochs = n_epochs,validation_split = 0.2,callbacks=callbacks)

print('acc on the test set:{}'.format(model.evaluate(X_test,y_test)))

实现截图:

 

参考:

《Python深度学习实战:75个有关神经网络建模、强化学习与迁移》

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值