天才一秒记住【畅想小说网】地址：http://www.cxtra.net
#索引为0的词语，词向量全为0
embeddis=np.zeros（（n_symbols，vocab_dim））
#从索引为1的词语开始循环，每个词语对应到它的词向量
forword，indexiems（）：
embeddis[index，：]=word_vectors[word]
x_trairairai（bined，y，
&_size=0.2）
print（x_trairain.shape）
&urnn_symbols，embeddirain，y_trai
#定义网络结构
&rain_lstm（n_symbols，embeddis，
x_train，y_trai）：
print（"DefiningaSimpleKerasModel..."）
&ial（）#使用序贯模型
model.add（Embedding（output_dim=vocab_dim，
input_dim=n_symbols，
mask_zero=True，
&s=[embeddis]，
ih=ih））
&M（ret_a=&qumoid"，
a="sigmoid"，units=50））
model.add（Dropout（0.5））
model.add（Dense（1））
&ivation（'sigmoid'））
print（"pilingtheModel..."）
model.pile（loss='binary_tropy'，
optimizer='adam'，metrics=['accuracy']）
print（"Train..."）
&rain，y_train，batch_size=batch_size，epo_epoch，
verbose=1，validation_data=（x_test，y_test））
#对模型进行评价并打印显示评价结果
prie..."）
loss，accuracy=model.evaluate（x_test，y_test，batch_size=batch_
size）
#把模型保存到lsth5文件中，并打印最终训练结果的损失和精度
model.save（'lsth5'，overwrite=True）
print（"nLoss：%.2f，Accuracy：%.2f%%"%（loss，accuracy*100））
#定义函数调用train_lstm用来训练网络并保存训练结果
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！