LSTM——tensorflow2.0学习

LSTM——tensorflow2.0

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

num_words = 30000 #单词数量
maxlen = 200 #每个句子最大的长度,在下面会把训练集的每个句子进行长切,短的补0

# x_train:25000 x None
(x_train, y_train), (x_test, y_test) = keras.datasets.imdb.load_data(num_words=num_words)
print(x_train.shape, ' ', y_train.shape)
print(x_test.shape, ' ', y_test.shape)

# x_train:25000 x 200
#数据转化为25000条,每条长度是200个词
x_train = keras.preprocessing.sequence.pad_sequences(x_train, maxlen, padding='post')
x_test = keras.preprocessing.sequence.pad_sequences(x_test, maxlen, padding='post')

print(x_train.shape, ' ', y_train.shape)
print(x_test.shape, ' ', y_test.shape)

#建立模型model=>编译模型compile(训练在后面的fit函数)
def lstm_model():
    model = keras.Sequential([
   		# input_dim代表字典长度,output_dim 转化为32维的词嵌入
   		#input_length:每个句子的长度
        layers.Embedding(input_dim=30000, output_dim=32, input_length=maxlen),
        
        #return_sequences:默认 False。在输出序列中,返回单个 hidden state值还是返回
        #全部time step 的 hidden state值。 False 返回单个, true 返回全部    
        layers.LSTM(32, return_sequences=True),
        
        layers.LSTM(1, activation='sigmoid', return_sequences=False)
    ])
    model.compile(optimizer=keras.optimizers.Adam(),#优化算法
                 loss=keras.losses.BinaryCrossentropy(),#loss计算方法
                 metrics=['accuracy'])#衡量标准
    return model
model = lstm_model()
model.summary() #把model展示出来
#训练
history = model.fit(x_train, y_train, batch_size=64, epochs=5,validation_split=0.1)

import matplotlib.pyplot as plt
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.legend(['training', 'valivation'], loc='upper left') 
plt.show()

layers.Embedding函数变量说明

LSTM

  • 0
    点赞
  • 1
    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