（1）tf.contrib.learn.preprocessing.vocabularyprocessor
說明：最終的結果為分詞後的句子的索引表示形式，例如：原句為「我是中國人」，分詞後為「我、是、中國人」，則最終結果為：「0,1,2」，表示「我」在詞表中的位置為0
tf.contrib.learn.preprocessing.vocabularyprocessor (max_document_length, min_frequency=0, vocabulary=none, tokenizer_fn=none)
引數：max_document_length: 文件的最大長度。如果文字的長度大於最大長度，那麼它會被剪下，反之則用0填充。 min_frequency: 詞頻的最小值，出現次數小於最小詞頻則不會被收錄到詞表中。 vocabulary: categoricalvocabulary 物件。tokenizer_fn：分詞函式
（2）embedding_lookup
參考：
tensorflow常用函式
1.variable 主要在於一些可訓練變數 trainable variables 比如模型的權重 weights 或者偏執值 bias 1 宣告時，必須提供初始值 2 在真實訓練時，其值是會改變的，自然事先需要指定初始值 weights tf.variable tf.random normal ...
TensorFlow常用函式
使用tensorflow計算流程 1 prepare train data 2 define model and graph 3 choose optimizer 4 create a session to run import tensorflow as tf 1.tf.reduce mean i...
TensorFlow 損失函式
import numpy as np import tensorflow as tf sess tf.interactivesession 1.多分類中的softmax函式在多分類的神經網路中，通常在最後一層接乙個softmax層。對於n分類問題，softmax層就有n個結點，每個結點輸出的就是該類...