遞迴神經網路RNN

import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data
# 載入資料
mnist = input_data.read_data_sets('mnist_data', one_hot=true)
# 輸入是28*28
n_inputs = 28
# 輸入一行，一行有28個資料
max_time = 28
# 一共有28行
lstm_size = 100
# 隱藏單元
n_classes = 10
# 10個分類
batch_size = 50
# 每批次有50個樣本
n_batch = mnist.train.num_examples // batch_size
# 這裡的none表示第乙個唯獨可以是任意長度
x = tf.placeholder(tf.float32, [none, 784])
# 正確的標籤
y = tf.placeholder(tf.float32, [none, 10])
# 初始化權值
weights = tf.variable(tf.truncated_normal([lstm_size, n_classes], stddev=0.1))
# 初始化偏置值
biases = tf.variable(tf.constant(0.1, shape=[n_classes]))
# 定義rnn網路
defrnn
(x, weights, biases):
# inputs = [batch_size, max_time, n_inout]
inputs = tf.reshape(x, [-1, max_time, n_inputs])
# 定義lstm基本cell
lstm_cell = tf.contrib.rnn.core_rnn_cell.basiclstmcell(lstm_size)
# final_state[0] 是cell state
# final_state[1] 是hidden_state
outputs, final_state = tf.nn.dynamic_rnn(lstm_cell, inputs, dtype=tf.float32)
results = tf.nn.softmax(tf.matmul(final_state[1], weights) + biases)
return results
# 計算rnn的返回結果
prediction = rnn(x, weights, biases)
# 損失函式
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=prediction))
# 使用adamoptimizer進行優化
train_step = tf.train.adamoptimizer(1e-4).minimize(cross_entropy)
# 結果放在乙個布林型列表中
crroect_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(prediction, 1))
# 求準確率
accuracy = tf.reduce_mean(tf.cast(crroect_prediction, tf.float32))
# 初始化
init = tf.global_variables_initializer()
with tf.session() as sess:
sess.run(init)
for epoch in range(6):
for batch in range(n_batch):
batch_xs, batch_ys = mnist.train.next_batch(batch_size)
sess.run(train_step, feed_dict=)
acc = sess.run(accuracy, feed_dict=)
print("iter " + str(epoch) + ", testing accuracy= " + str(acc))

iter 1, testing accuracy= 0.7918

iter 2, testing accuracy= 0.8366

iter 3, testing accuracy= 0.8964

iter 4, testing accuracy= 0.9123

iter 5, testing accuracy= 0.9263

遞迴神經網路RNN

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data in 2 載入資料集 mnist input data.read data sets mnist data one hot true ...

RNN 迴圈神經網路or遞迴神經網路？

我 內心os 有嗎，我感覺我看到的都是迴圈神經網路啊？我 這個應該就是翻譯的問題吧 回去以後我查了一下，發現我錯了，迴圈神經網路和遞迴神經網路還是有點區別的。很明顯，它倆名字就是不一樣的，迴圈神經網路是recurrent neural network，遞迴神經網路是recursive neural ...

遞迴神經網路 RNN 簡介

首先有請讀者看看我們的遞迴神經網路的容貌 乍一看，好複雜的大傢伙，沒事，老樣子，看我如何慢慢將其拆解，正所謂見招拆招，我們來各個擊破。上圖左側是遞迴神經網路的原始結構，如果先拋棄中間那個令人生畏的閉環，那其實就是簡單 輸入層 隱藏層 輸出層 的三層結構，我們在多層感知器的介紹中已經非常熟悉，然而多了...