python - 如何通过tensorflow将多个学习数据输入model.fit()
问题描述
我在学习数据时遇到问题
我有 3-D 顺序数据
例如。(1000,200,100)
假设每个(1,200,100)
都像一个句子。
每个词变成 100 个向量,每个句子有 200 个词,如果没有 200 个词,则用 0 填充。
在这种情况下,您想从过去的 3 个单词中猜测下一个单词。
many_sentences= #the data of (1000,200,100)
input_len = 3
input_ = []
append_ = []
for sentence in many_sentences:
for i in range(0, 200 - input_len):
input_.append(sentence[i:i+input_len] )
answer_.append(sentence[i+input_len] )
然后我想像这样使用这些,但是....
history = model.fit(input_, answer_, epochs=epoch, batch_size=10) # model is made by temsorflow.keras
我在这里有点困惑。
这input_
answer_
仅适用于一句话。
如何使用剩下的 999 句来学习?
我应该把input_
answer_
每 1000 个句子都写出来然后附加吗?
或调用model.fit()
1000 次?
解决方案
推荐阅读
- c++ - 如何从 C 宏调用 C++ 重载函数
- php - 无法使用 twilio 代理记录通话
- filter - 如何在 Power BI 中创建和使用日历筛选器
- javascript - 更改由 google Places API 自动完成方法调用的 formatted_address 的语言
- python - 如何让机器人通过 REST API 依次发送多条消息?[拉萨]
- javascript - 引导程序中的自动轮播
- javascript - 使用 JavaScript 动态创建规范 URL
- excel - 如何在受保护的工作表上断开指向 VBA 中值的链接?运行时错误“1004”
- terraform - 分配地图时 Terraform 何时需要等号 (=) (TF 0.11)
- javascript - setAttribute 不适用于 create-react-app 中的 onClick