循环序列模型

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 ]）]