Keras英译中seq2seq简洁
Keras【极简】seq2seq英译中示例,附带语料以及训练500次后的模型
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 777 2019-02-21 18:45 seq2seq_en2cnconf.py
文件 208953 2019-02-21 14:50 seq2seq_en2cnen2cn.txt
文件 6882436 2019-02-21 18:20 seq2seq_en2cnmodeldecoder.hdf5
文件 21484 2019-02-21 18:20 seq2seq_en2cnmodeldecoder.png
文件 1615472 2019-02-21 18:20 seq2seq_en2cnmodelencoder.hdf5
文件 8510 2019-02-21 18:20 seq2seq_en2cnmodelencoder.png
文件 25442860 2019-02-21 18:20 seq2seq_en2cnmodelmodel.hdf5
文件 25659 2019-02-21 18:20 seq2seq_en2cnmodelmodel.png
文件 5872 2019-02-21 18:45 seq2seq_en2cnseq2seq_en2cn.py
目录 0 2019-02-21 18:20 seq2seq_en2cnmodel
目录 0 2019-02-21 18:49 seq2seq_en2cn
----------- --------- ---------- ----- ----
34212023 11
“““配置“““
corpus_path = ‘en2cn.txt‘
num_classes_input = 32 + 1 # 英文低频字过滤
num_classes_output = 900 + 3 # 中文低频字过滤
chr_pad = ‘‘ # 填充字符
chr_start = ‘[‘ # 起始字符
chr_end = ‘]‘ # 结束字符
id_pad = 0 # 填充字ID
id_start = 1 # 起点ID
id_end = 2 # 终点ID
maxlen_input = 24 # 输入序列最大长度
maxlen_output = 16 # 输出序列最大长度
units = 300 # LSTM神经元数量
batchsize = 512
epochs = 500
prefix = ‘model/‘ # 保存模型的文件夹
path_hdf5 = prefix + ‘model.hdf5‘
path_hdf5_encoder = prefix + ‘encoder.hdf5‘
path_hdf5_decoder = prefix + ‘decoder.hdf5‘
path_png = prefix + ‘model.png‘
path_png_encoder = prefix + ‘encoder.png‘
path_png_decoder = prefix + ‘decoder.png‘
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 777 2019-02-21 18:45 seq2seq_en2cnconf.py
文件 208953 2019-02-21 14:50 seq2seq_en2cnen2cn.txt
文件 6882436 2019-02-21 18:20 seq2seq_en2cnmodeldecoder.hdf5
文件 21484 2019-02-21 18:20 seq2seq_en2cnmodeldecoder.png
文件 1615472 2019-02-21 18:20 seq2seq_en2cnmodelencoder.hdf5
文件 8510 2019-02-21 18:20 seq2seq_en2cnmodelencoder.png
文件 25442860 2019-02-21 18:20 seq2seq_en2cnmodelmodel.hdf5
文件 25659 2019-02-21 18:20 seq2seq_en2cnmodelmodel.png
文件 5872 2019-02-21 18:45 seq2seq_en2cnseq2seq_en2cn.py
目录 0 2019-02-21 18:20 seq2seq_en2cnmodel
目录 0 2019-02-21 18:49 seq2seq_en2cn
----------- --------- ---------- ----- ----
34212023 11
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。
评论列表(条)