代码练习2-26

数据处理部分

assert ‘ptb.train.txt’ in os.listdir("./data/ptb")
with open(’./data/ptb/ptb.train.txt’, ‘r’) as f:
lines = f.readlines()
raw_dataset = [st.split() for st in lines]
counter = collections.Counter([tk for st in raw_dataset for tk in st])
counter = dict(filter(lambda x: x[1] >= 5, counter.items()))
counter.items()
id2token = [tk for tk,_ in counter.items()]
token2id = {tk:id for id,tk in enumerate(id2token)}
dataset = [[token2id[tk] for tk in st if tk in id2token]for st in raw_dataset]
num_token = sum(len(st) for st in dataset)
def discard(idx):
return random.uniform(0, 1) < 1 - math.sqrt(
1e-4 / counter[id2token[idx]] * num_token)
subdataset = [[tk for tk in st if not discard(tk)] for st in dataset]
def compare(tk):
return ‘# %s: before=%d, after=%d’ % (tk
,sum(st.count(token2id[tk]) for st i

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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