TensorFlow实现LSTM（分类）

最近在学习TensorFlow，学习了使用TensorFlow来实现LSTM（长短时记忆），并学习了LSTM在分类方面的示例。

即应用TensorFlow实现LSTM，对 MNIST 数据集进行分类。

下面是示例代码：

#encoding:utf-8
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data


# 导入数据
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

# hyperparameters 超参数
lr = 0.001
training_iters = 100000
batch_size = 128

n_inputs = 28  # (img shape:28 * 28)
n_steps = 28  # time steps
n_hidden_units = 128  # 隐藏层神经元数目
n_classes = 10  # classes(0-9 digits)

# 输入
x = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
y = tf.placeholder(tf.float32, [None, n_classes])

# 定义权值

weights = {
    # (28, 128)
    'in': tf.Variable(tf.random_normal([n_inputs, n_hidden_units])),
    # (128, 10)
    'out': tf.Variable(tf.random_normal([n_hidden_units, n_classes]))
}
biases = {
 

最后

以上就是怕孤单路灯为你收集整理的TensorFlow实现LSTM（分类）的全部内容，希望文章能够帮你解决TensorFlow实现LSTM（分类）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。