张量流-lstm回归
这是基于循环网络的回归器的示例：
目的是根据以前使用LSTM架构的观察结果，在本示例中预测连续值，sin和cos函数。
本示例已更新为与tensrflow-1.1.0兼容的新版本。 这个新版本使用了一个库 ，该库提供了一个API，可基于张量流创建深度学习模型和实验。
安装并运行
创建一个虚拟环境
建议您为安装程序创建一个virtualenv，因为此示例高度依赖于需求文件中设置的版本。
使用python3
$ mkvirtualenv -p python3 ltsm
(ltsm) $
使用python2
$ mkvirtualenv ltsm
(ltsm) $
安
2021-11-28 15:58:00
343KB
1
基于TextRNN,LSTM机器学习实现的新闻文本分类,是一个很好的神经网络入门素材,包含完整的数据集文件,代码文件,和一个已训练50k次的模型,准确率为95.74%,代码注释完整,变量命名规范,即拿即用,开发版本python3.9.7
2021-11-19 09:08:48
260.15MB
单词张量流
使用TensorFlow在Python中使用词层语言模型的多层递归神经网络（LSTM，RNN）。
大多数重用的代码来自 ，其灵感来自Andrej Karpathy的 。
要求
基本用法
要在tinyshakespeare语料库上使用默认参数进行训练，请运行：
python train.py
从经过训练的模型中采样
python sample.py
要使用波束搜索进行拾取，请使用--pick参数。 可以使用--width参数进一步自定义光束搜索，该参数设置要搜索的光束数量。 例如：
python sample.py --pick 2 --width 4
样品输出
Word
2021-10-05 13:08:08
441KB
1
lstm学习资料，可以使用，效果较好，希望满意
2021-09-28 17:08:12
13KB
我看了很多代码讲解的，这是看到的一篇比较好的LSTM神经网络入门代码讲解，里面有响应的代码与详细注释，可以帮您快速理解Lstm的命令
2021-09-28 14:00:36
19KB
利用Keras搭建循环神经网络进行S&P500指数股价预测的完整代码，ipynb文件，请利用jupyter notebook打开，详情可参考文章：https://blog.csdn.net/didi_ya/article/details/119419763
2021-08-05 18:02:39
74KB
1