资源简介

数据集为Keras自带的IMDB数据集,运行文件是自动下载。后台为TensorFlow,文件为.py格式,打开即可直接运行。

资源截图

代码片段和文件信息

#%% 加载IMDB数据
from keras.datasets import imdb
(train_data train_labels) (test_data test_labels) = imdb.load_data(num_words=10000)
# print(train_data[0])
# print(train_labels[0])
# print(max([max(sequence) for sequence in train_data]))
#%% 将整数序列编码为二进制矩阵
import numpy as np

def vectorize_sequences(sequences dimension=10000):
    results = np.zeros((len(sequences) dimension))
    for i sequence in enumerate(sequences):
        # >>> seasons = [‘Spring‘ ‘Summer‘ ‘Fall‘ ‘Winter‘]
        # >>> list(enumerate(seasons))
        # [(0 ‘Spring‘) (1 ‘Summer‘) (2 ‘Fall‘) (3 ‘Winter‘)]
        # >>> list(enumerate(seasons start=1))
        # [(1 ‘Spring‘) (2 ‘Summer‘) (3 ‘Fall‘) (4 ‘Winter‘)]
        results[i sequence] = 1.
    return results

x_train = vectorize_sequences(train_data)
x_test = vectorize_sequences(test_data)
# print(x_train[0]) # [0. 1. 1. ... 0. 0. 0.]

y_train = np.asarray(train_labels).astype(‘float32‘)
y_test = np.asarray(test_labels).astype(‘float32‘)
#%% 模型定义
from keras import models
from keras import layers

model = models.Sequential()
model.add(layers.Dense(16 activation=‘relu‘ input_shape=(10000)))
model.add(layers.Dense(16 activation=‘relu‘))
model.add(layers.Dense(1 activation=‘sigmoid‘))
#%% 编译模型
model.compile(optimizer=‘rmspr

评论

共有 条评论