zhang_adrian的博客

/结果集长度//批次大小//训练5轮//停用词//定义词典//词典的长度//定义一个中间值，用于截断 每条新闻的最大的词组数//定义一个模型。

在这个例子里，使用了Tensorflow.net中的LSTM模型，加载电商评论集，经过文本拆分、向量化、构建LSTM模型训练，可以实现中文情感分析，正确率可以达到 90%以上。本例的基本步骤为1、导入评论数据集；2、进行拆分，构建词典；3、对评论数据集进行向量化处理；4、构建模型进行训练；5、按批次进行预测。

.net9下使用TensorFlow.net方式，在Keras下搭建DNN模型

说明：//MNIST数据集还是一个手写数字识别的数据集，用于入门和测试的首选//这个数据集包含70000张28x28像素的手写灰度数字图像，分为10类，分别对应0到9的数字。具体来说，数据集分为四个部分：‌训练集图像‌：包含60000张训练图像。‌训练集标签‌：包含60000个训练标签。‌测试集图像‌：包含10000张测试图像。‌测试集标签‌：包含10000个测试标签‌//本示例中使用MNIST数字数据集作为数据集，该数据集中按字符（0--9）分类，所以分了10类。

/--定义模型//Keras中的层API，用于定义神经网络各个层，包括卷积层、池化层、全连接层//定义示例中使用的，训练集、测试集//本例中保存训练好的模型，后续随时可以load出来使用//以下是使用picturebox绘制手写数字的变量//以下是使用picturebox绘制手写数字的变量// 启用双缓冲以减少闪烁;;// 重绘事件处理// 创建绘图画布//1、灰度化// 2. 归一化像素值并转换为 MNIST 格式y < 28;