时间戳

首页 > 解决方案 > Python中多变量、多类型RNN的实现

python - Python中多变量、多类型RNN的实现

问题描述

我有一个数据集，其中包含具有以下布局/架构的项目：

{
    words: "Hi! How are you? My name is Helennastica",
    ratio: 0.32,
    importantNum: 382,
    wordArray: ["dog", "cat", "friend"],
    isItCorrect: false,
    type: 2
}

我有很多不同类型的数据，包括：

任务是创建一个 RNN（嗯，一般来说，一个可以在给定额外数据位而不是重新处理所有数据时快速重新训练的系统 - 我认为RNN 是最好的选择；参见下面的推理），它可以使用所有这些因素将任何数据集分类为 4 个类别之一 -type在上面的示例中由键标记，数字 0-3。

我有一组上述格式的示例（提供了答案），并且我有一个充满未分类示例的数据库。我的目的是能够在该集合上运行 ML 模型，并将所有这些模型分类。我需要能够快速重新训练的原因是反馈功能：如果 AI 出现问题，任何用户都可以报告它，在这种情况下，特定的 JSON 将被添加到数据集中。显然，为了增加一个额外的 JSON 而必须重新训练 1000 多个 JSON 需要很长时间——如果我没记错的话，RNN 可以解决这个问题。

我已经找到了很多可能的用例，但是我花了几个小时浏览 Github 试图找到一个实现，或者一些 Tensorflow 模块/插件来简化/复制，但无济于事。

我认为这使用 Tensorflow 不会太难，而且我了解它背后的一些数学和逻辑（但没有受过正规教育，所以我可能有差距！），但不幸的是，我基本上没有使用 Tensorflow/任何其他的经验ML 框架（除了一些其他项目的复制粘贴代码）。如果有人能以 Github repo/Python 框架的形式为我指明正确的方向，或者甚至编写一些演示代码来帮助解决这个问题，将不胜感激。如果您只是要纠正我的一些技术知识/告诉我哪里出了严重的错误，我会很感激您的反馈（只需将其作为评论留下）。

提前致谢！

标签： pythontensorflowrecurrent-neural-networkcategorization

解决方案

推荐阅读