Keras examples-addition_rnn

Keras examples-addition_rnn

1、任务描述

（1）任务概述：主要是利用序列学习来实现两个整数（字符串）的加法
（2）任务分析：两个整数相加，需要通过神经网络来训练，于是不能够直接将整型作为神经网络的输入；想想办法，如果将整数和加号等都转化为字符，于是就可以用一个字符串来表示这个加法问题了；字符串表示的加法问题，可以看成是文本，于是紧接着考虑用什么语言模型来表示这个问题，由于加法问题中涉及到的字符种类不多，只有12类，‘0-9’、‘+’、‘ ’，因此可以直接考虑使用one-hot模型。

2、具体实现

（1）引入相应的库

from __future__ import print_function
from keras.models import Sequential
from keras import layers
import numpy as np
from six.moves import range
from keras.utils import plot_model

（2）定义相应的方法、设置常量

这里主要定义了两个类，一个是编码解码类，另一个是预测结果的颜色处理类。
①编码解码类：包含三个方法：构造方法，编码方法，解码方法。
构造方法：在创建编码解码对象时，会接收一个字符串，这个字符串包含了所有涉及到的字符，构造函数利用该字符串创建了两个字典，一个是{字符：索引}型字典，一个是{索引：字符}型字典。前一个字典主要在编码阶段使用，用于将一个字符转化为one-hot类型，后裔字典主要在解码阶段使用，将one-hot矩阵表示的问题转化为对应的文本。
{字符：索引}型：{’ ‘: 0, ‘+’: 1, ‘0’: 2, ‘1’: 3, ‘2’: 4, ‘3’: 5, ‘4’: 6, ‘5’: 7, ‘6’: 8, ‘7’: 9, ‘8’: 10, ‘9’: 11}
{索引，字符}型：{0: ’ ‘, 1: ‘+’, 2: ‘0’, 3: ‘1’, 4: ‘2’, 5: ‘3’, 6: ‘4’, 7: ‘5’, 8: ‘6’, 9: ‘7’, 10: ‘8’, 11: ‘9’}
编码方法：将传来的一个字符串编码城one-hot矩阵，具体实现是首先创建一个零矩阵，然后针对字符串的第i个字符，得到这个字符在字符字典中的索引为j，于是将零矩阵的第i行和第j列的元素置为1。直到将这个字符串的所有字符都编码。
解码方法：解码方法可以看成是编码方法的逆，将one-hot矩阵转为字符串
其实，这个类也可以利用keras内置的文本预处理方法来实现。
②颜色处理类：主要声明一些常量。

class CharacterTable(object):
    # 对于给定的一组字符
    ## 将他们编码为one-hot的整型来表示
    ## 将一个one-hot表示的解码为其字符
    ## 将概率向量解码为其字符输出
    def __init__(self,chars):
        # 初始化字符表
        self.chars=sorted(set(chars))
        # 创建字符表中字符和其索引的对应关系（字符：索引）
        self.char_indices=dict((c,i) for i,c in enumerate(self.chars))
        print(self.char_indices)
        # 创建字符表中字符和其索引的对应关系（索引：字符）
        self.indices_char=dict((i,c) for i,c in enumerate(self.chars))
        print(self.indices_char)

    # 将给定的字符串C编码成one-hot模型，参数num_rows指定这个矩阵的行数（等于问题的最大长度），列数等于字符表中总的字符数
    def encode(self,c,num_rows):     
        # 创建一