TF211——字母预测Embedding_4pre1.md

用RNN实现输入连续四个字母，预测下一个字母（Embedding编码）

按照六步法，首先import相关模块

这次我们将字母扩展到了26个，字母从a到建立了一个映射表，把字母用数字表示从0-25，建立了两个空列表，

• 一个存放训练用的输入特征x_train
• 另一个存放训练用的标签y_train,

用for循环从数字列表中，把连续4个数作为输入特征添加到x_train中，第5个数作为标签添加到y_train中，构建了训练用的输入特征x_train和标签y_train,构建了训练用的输入特征x_train和标签y_train

将他们打乱顺序

把输入特征变成Embedding层期待的形状

• 第一个维度送入样本数，使整个数据集样本数，有22个，可以用len(x_train)得到
• 第二个维度循环核时间展开步数，因为连续输入4个字母就得到输出，所以时间展开步数是4

再把y_train变为numpy格式

在用Sequential搭建网络时，多了一层Embedding层，先对输入数据进行编码，这里的26表示输入的样本数是26，这里的2表示每个单词用2个数值编码，这一层会生成一个26行2列的可训练参数矩阵实现编码可训练

随后，搭建有十个记忆体的循环层，输出会是26个字母之一所以是26，设置Dense层全连接实现了输出层yt的计算，

随后是cmopile fit summary和六步法一样，执行反向传播训练参数矩阵

提取参数和acc/loss可视化，同样用了六步法八股的套路

应用：字母预测

用了一个for循环，先输入要执行几次预测任务，随后等待输入四个字母，把这个字母，转换为Embedding所希望的形状

• 只送入1组输入特征所以送入样本数是1，

• 输入连续的4个字母就给出预测结果，所以时间展开步数是4

通过predict得到预测结果，选出预测结果最大的一个，print输出预测结果

标签：4pre1,26,预测,md,字母,train,Embedding,输入
来源： https://www.cnblogs.com/studyhao1999/p/16035782.html