写给爱人的信

写给爱人的信:（双lstm（暹罗lstm）模型可以很容易地表示两个短语或两个句子的相似性。输入数据是相似或不同的短语对或句子对，输出是两个词的相似性。相应的隐藏层可以视为单词的语义表示形式。\n下载代码\n\n从批中下载代码：超链接https://github.com/dhwajraj/deep-siamese-text-similiability\n安装gensim工具箱\n升级并修改源代码（因为代码是BAS在1.0之前的先前TensorFlow版本上编辑\n \n修改如下：\n \n \n下载脚本hyperlink tf_upgrade.py并运行以下命令来转换整个目录\npthon tf_upgrade.py--intree deep-siames text primary master/--outtree new_deep_siames \n \n以运行检测或错误报告，修改siamese-net.py如下：\n\n类siamelstm（object）：\n“”\n基于lstm的文本相似性深层siamese网络使用字符嵌入层，后跟bilstm和能量损失层。\n“”\n\ndef birnn（self，x，dropout，scope，embedding-size，sequence_length）：\n n_input=Embedding_size\nn_steps=sequence_length\nn_hidden=n_steps\nn_layers=3\n准备数据形状以匹配“双向”功能要求\n形状：（batch_size，n_steps，n_input）（？，Seq_len Embedding_-Size \n Required shape:\n_steps \张量形状列表（batch_-size，n_-input \n排列batch_-size和n_-steps\nx=tf。转置（x，（1，0，2））\n将改为（n _步数*批大小n _输入）nx=tf。重塑（x，[-1，n_输入]）\n•拆分以获得形状的“n_步”张量列表（批量\u大小，n_输入\nx=tf。split（axis=0，num_或_size_splits=n_steps，value=x）\nprint（x）\n用tensorflow定义lstm单元格\n用tf定义单元格的正向。name_scope（“fw”+scope），tf，variable_scope（“fw+scope”）：\nprint（tf）get_variable_scope（）。名称\ndef lstm_fw_cell（）：\nfw_cell=tf。控制。RNN号basiclstmcell（n_hidden forget_bias=1.0，state_is_tuple=true）返回tf。控制。RNN号dropoutwrapper（fw_cell，output_keep_prob=dropout）\nlstm_fw_cell_m=tf。控制。RNN号multirnncell（[lstm_fw_cell（）在范围内（n_layers）]，state_为tuple=true）\n带有tf的单元格的向后方向。name_scope（“bw”+scope），tf，variable_scope（“bw”+scope）：\nprint（tf）get_variable_scope（）。名称\ndef lstm_bw_cell（）：\nbw_cell=tf。控制。RNN号basiclstmcell（n_hidden forget_bias=1.0，state_is_tuple=true）返回tf。控制。RNN号dropoutwrapper（bw_cell，output_keep_prob=dropout）\nlstm_bw_cell_m=tf。控制。RNN号multirnncell（[lstm_bw_cell（）在范围内（n_layers）]，state_is_tuple=true）\nget lstm cell output\n the try:\withtf.name_scope（“bw”+scope），tf，variable_scope（“bw”+scope）：\nctrib.rnn.static_bidirectional_rnn（lstm_fw_cell_m，lstm_bw_cell_m，x，dtype=tf.float32）\n例外：old tensorflow version只返回not states \noutputs=tf.nn。双向（lstm_fw_cell_m，lstm_bw_cell_m，x，n_dtype=tf.float32）\n返回输出[1]\n\n'、'02b2f362d415dae'、'lgektukq5dpuhjg4mrrqwzfeky5on8s'、0'、'def对比度丢失（self、y、d、batch_大小）：\ntmp=y*tf。方块字（d）\n tmp=tf。多用途/后勤与设备车辆（Y，TF.平方（d））\ntmp2=（1-y）*tf.square（tf.最大（（1-d），0））\n返回tf。reduce_sum（tmp+tmp2）/batch_size/2 \n \ndef_uu init_uuuu（\self，sequence_length，vocab_size，embedding_size，hidden_units，l2_reg_lambda，batch_size）：\n \n输入、输出和退出的文件夹\n占位符（tf.int32，[none，sequence_length]，name=“input_x1”）\n占位符（tf.int32，[none，sequence_length]，name=“input_x2”）\self.input_y=tf.placeholder（tf.float32，[none]，name=“input_y”）\self。dropout_keep_prob=tf.placeholder（tf）float32，name=“dropout_keep_prob”）\n\n跟踪l2正则化丢失（可选）nl2_loss=tf。常量（0.0，name=“l2_loss”）\n\n嵌入层\n与tf。名称范围（“嵌入”）：\n选择。W=tf.变量（\ntf.随机统一（[词汇大小嵌入大小]，1.0，1.0）。\n可跟踪=真，name=“w”）\n选择。嵌入式_chars1=tf.不适用。嵌入查找（self.W，自我。输入“自我”。嵌入式_chars_expanded1=tf。展开“暗显”（自）嵌入字符1，1）。\n选择。嵌入式_chars2=tf。不适用。嵌入查找（self.W，自我。输入_x2）\n自我。嵌入式_chars_expanded2=tf。展开_dims（self）embedded_chars2，1）\n\n·为每个具有tf的过滤器大小创建一个卷积+最大池层。名称_scope（“output”）：\self.out1=self.birnn（self.embedded_chars1，self.dropout_keep_prob，“side1”，Embedding_size，sequence_length）\nout2=self.birnn（self.embedded_chars2，self.dropout_keep_prob，“side2”，Embedding_size，sequence_length）\self。短=tf.sqrt（tf）减少和（tf）平方（tf）减去（self）。出局者，自己。out2），1，keep_dims=true））\ndiv（self.distance，tf.add（tf.reduce_sum（tf.square（self.out1），1，keep_dims=true）），tf.reduce_sum（tf.reduce_sum（tf.out2），1，keep_dims=true）））选择。短=tf.重塑（自我。短，[1]，name=“short”）\n带tf。名称范围（“loss”）：\n选择。损失=自身。对比性损失（自我。自己输入。短，批量\n带tf。名称_scope（“accuracy”）：\n更正_predictions=tf。等于（自身短，自我输入\n选择。准确度=tf。reduce_mean（tf）cast（correct_predictions，“float”），name=“accuracy”）\n\n运行代码\n test data person_match.train和person_match.train2已经在下载代码中，这是类似的名称数据集，可用于直接测试和验证算法。\ntraining\npthon“train”。py \n \n培训时，将输出大量内容，可以重定向到文件。培训时间较长，半小时内约50000步。\n培训结束后，会有更多的目录运行和文件验证.txt0\n如果是./运行，则会保存经过良好培训的模型，这会占用大约450米的空间。validation.txt0文件是在培训期间分隔的验证文件，格式为\n\n\ntest\npython eval。py---model runs/1494830689/checkpoints/model-9000---vocab_文件路径。/运行/1494830689/checkpoints/vocab-eval_文件路径验证。txt0 \n输出\n精度：0.62197 \n \n将有大量输出，9000型精度为0.62197，81000型精度为0.737626，150000型精度为0.745707，'02b2f362d415dae'、'lgektukq5dpuhjg4mrrqwzfeky5on8s'，0）写给爱人的信