Pytorch深度学习实践 第十三讲 循环神经网络（高级篇）

数据集链接：https://pan.baidu.com/s/1bIKasCIDAaT-_EwB6hcAMQ
提取码：4fij

任务：使用RNN通过训练name数据集来预测name属于哪个country.

RNN，LSTM，GRU都是循环神经网络。

网络模型：

 

 最后只需要一个Linear Layer来得出整个name序列的预测结果。

 数据准备

Name序列处理步骤：

1.Name转成序列List，即Maclean→['M', 'a', 'c', 'l', 'e', 'a', 'n']

2.用ASCⅡ码表示List中的元素，即[77 97 99 108 101 97 110]，里面不是代表数值，而是one-hot向量，比如77是指共128维的向量，只有Idex77是1，其他都是0

3.Padding将一个batch_size的序列填充成长度相同，即[77 97 99 108 101 97 110 0 0 0]

4.将Padding后的矩阵转置

 5.按照序列长度降序排列

 同时要获得对应顺序的序列长度列表[10, 8, 7, 7, 7, 7,6, 6, 5]

 Country的处理步骤：

 给每个Country一个索引，构成字典{‘country’: idx}，在name排序之后，也要按照相同的排序将name对应的Country标签排序。

就是说，在拿到一个name后，就能根据name在batch_size中的位置找到country，再进一步找到分类标签idx。

双向RNN