Comunidad Empresarial Dinamiza

 
 
  • No hay categorías

 
No te pierdas...
 

 
Publicado 02/08/2019 por admin en
 
 

파이썬 rnn 예제

TensorFlow LSTM이 여러 데이터 스트림을 한 번에 처리할 수 있는지 알고 계십니까? 예제에서 작업하면 20x4x35x650 입력의 경우 한 번에 4개의 35×650 입력이 있는 것과 같습니다. 나는 4x35x650을 140 × 650으로 변환 할 수 있다는 것을 알고 있지만 4 개의 입력을 한 번에 고려할 수있는 더 우아한 방법이 있는지 궁금했습니다. 모델의 핵심은 한 번에 한 단어를 처리하고 문장의 다음 단어에 대한 가능한 값의 확률을 계산하는 LSTM 셀로 구성됩니다. 네트워크의 메모리 상태는 0의 벡터로 초기화되고 각 단어를 읽은 후 업데이트됩니다. 계산상의 이유로, 우리는 크기 batch_size의 미니 일괄 처리로 데이터를 처리합니다. 이 예제에서는 current_batch_of_words가 단어의 «문장»과 일치하지 않는다는 점에 유의해야 합니다. 일괄 처리의 모든 단어는 시간 t. TensorFlow 자동으로 당신을 위해 각 일괄 처리의 그라데이션을 합계 합니다. 이 문서에서는 먼저 일반적인 RNN 모델의 핵심 구성 요소를 빠르게 살펴보겠습니다. 그런 다음 파이썬에서 RNN 모델을 처음부터 구현하여 마침내 해결할 문제 문을 설정합니다. Keras는 놀라운 라이브러리입니다 : 그것은 우리가 이해할 수있는 파이썬 코드의 몇 줄에 최첨단 모델을 구축 할 수 있습니다. 다른 신경망 라이브러리가 더 빠르거나 더 많은 유연성을 허용할 수 있지만 개발 시간과 사용 편의성에 대해 Keras를 이길 수 있는 것은 없습니다. 이 네트워크를 구성하는 방법에는 여러 가지가 있으며 전자 필기장에는 여러 가지 방법이 있습니다.

예를 들어 서로 겹쳐진 두 개의 LSTM 레이어, 양방향에서 시퀀스를 처리하는 양방향 LSTM 레이어 또는 더 많은 밀도 레이어를 사용할 수 있습니다. 나는 잘 작동 하기 위해 위의 설정을 발견. 우리는 항상 RNN을 코딩하기 위해 높은 수준의 파이썬 라이브러리를 활용할 수 있습니다. 그렇다면 왜 처음부터 코딩해야 합니까? 나는 단단히 배우고 진정으로 개념을 배어 하는 가장 좋은 방법은 처음부터 그것을 배울 수 있다고 생각합니다. 그리고 이 튜토리얼에서 선보일 것입니다. 훈련 하는 동안 우리는 위의 표면 플롯에서 파란색 점에 끝날 것 이다 ($w_x=!1, w_{rec}\2$) 그라데이션의 순서에 있을 것 이다 $10^7$. $0.000001$($10^{-6}$)의 작은 학습 률에도 불구하고 $W$의 매개 변수는 현재 위치에서 10 단위 단위로 업데이트되며, 이는 이 예제에서 치명적일 것입니다. 한 가지 방법은 학습 속도를 훨씬 더 낮추는 것이지만 최적화가 낮은 그라데이션 영역에 들어가면 업데이트가 전혀 움직이지 않을 것입니다. 특정 회사의 주식을 말하는 시퀀스 데이터의 예를 사용하여 이 작업을 수행합니다.

간단한 기계 학습 모델 또는 인공 신경망은 주식의 양, 개방 값 등과 같은 여러 기능을 기반으로 주가를 예측하는 방법을 배울 수 있습니다. 이 외에도, 가격은 또한 주식이 이전 fays 및 주에 어떻게 지냈는지에 따라 달라집니다. 상인의 경우,이 기록 데이터는 실제로 예측을하기위한 주요 결정 요인입니다.


admin