Tensorflow 에서 tf.layers.dense()가 RNN 네트워크 구축 에서 의 사용
780 단어 기계 학습Tensorflow
그러나 RNN 네트워크 구축,특히 RNN 으로 분류 할 때 tf.layers.dense()는 RNN 분류 예측 출력 으로 사용 할 수 있다.
분류 예측 출력 일반 형식:
그 중 nhidden 은 RNN cell 의 units 개수,nclasses 는 labels 의 개수 입 니 다.
import tensorflow as tf
weights = {
'out': tf.Variable(tf.random_normal([n_hidden, n_classes], mean=1.0))
}
biases = {
'out': tf.Variable(tf.random_normal([n_classes]))
}
output = tf.matmul(lstm_last_output, weights['out']) + biases['out']
predication = tf.nn.softmax(output)
tf.layers.dense()사용:
import tensorflow as tf
prediction = tf.layers.dense(
inputs=lstm_last_output,
units=n_classes,
activation=tf.nn.softmax
)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.