PyTorch使用 RNN 对姓名进行分类

cchangcs

于 2018-10-10 16:32:50 发布

阅读量667

点赞数

CC 4.0 BY-SA版权

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签：使用 RNN 对姓名进行分类

本文链接：https://blog.youkuaiyun.com/github_39611196/article/details/82998845

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

本文介绍了如何使用PyTorch构建并训练一个RNN模型，对不同类型的姓名进行分类。通过代码展示，详细阐述了RNN在网络结构和训练过程中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码：

# ===========================准备数据================================
from IPython.core.interactiveshell import InteractiveShell
import glob

InteractiveShell.ast_node_interactivity = 'all'
# *是通配符，匹配出data文件夹下的所有txt文件
all_filenames = glob.glob('data/*.txt')
# print(all_filenames)

# ===========================转换编码================================
import unicodedata
import string
# 姓氏中所有的字符
# string.ascii_letters是大小写各26字符
all_letters = string.ascii_letters + '.,;'
# 字符的种类数
n_letters = len(all_letters)


# 将Unicode编码转换成标准的ASCII码
def unicode_to_ascii(s):
    return ''.join(
        c for c in unicodedata.normalize('NFD', s)
        if unicodedata.category(c) != 'Mn'
        and c in all_letters
    )
# print(n_letters)  # 字符数为57个
# print(unicode_to

了解本专栏