利用RNN对字符串进行预测(31)---《深度学习》

本文通过参考Hunkim的代码,使用RNN对固定长度字符串进行预测,批处理大小设为3,展示了深度学习中RNN的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考:https://github.com/hunkim/DeepLearningZeroToAll/blob/master/lab-12-2-char-seq-rnn.py

本篇博客我们参考Hunkim大佬的代码,实现对多个字符串进行预测,需要注意的是,这儿的sequence_length相同,即字符串的长度都是一样的,这儿,只是将批数据设置为3,然后进行,查看运行结果!

#coding=utf-8
import tensorflow as tf
import numpy as np
tf.set_random_seed(777)  # reproducibility

#sample = " if you want you"
#sample=" I hate you,and I don't love you anymore!"
#sample=" 风在淅淅沥沥的雨中,撑伞走过那路口,有人跌跌撞撞踩到我,没说对不起借过!"
#sample=" 故事的小黄花,从出生那年就飘着"
sample=
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