手把手实现循环神经网络
导入包:
字母级语言模型 - Dinosaurus land:
练习:实现以下函数以返回字典gradients
的裁剪梯度。你的函数接受最大阈值,并返回裁剪后的梯度。
Sampling: list of sampled indices: [18, 2, 26, 0] list of sampled characters: ['r', 'b', 'z', '\n']
用LSTM网络创作一首爵士小歌:
输出:
<keras.callbacks.History at 0x7fd9f91eeac8>
预期输出:
由于Keras的结果并非完全可预测,因此你的结果可能会有所不同。但是,如果你如上所述用model.fit()将LSTM_cell训练了正好100次迭代,那么你很有可能会观察到一系列不完全相同的索引。此外,你应该注意:np.argmax(results [12])是list(indices [12:18])的第一个元素,np.argmax(results [17])是list(indices[12:18]的最后一个元素)。
np.argmax(results [12])= 32
np.argmax(results [17])= 31
list(indices [12:18])= [array([32]),array([31]),array([20]),array([42]),array([32]),array([31 ])]