Tensorflow教程-循环神经网络文本分类

“ 再小的你，也有自己的个性”

通过阅读本文，您能学到：

1、利用循环神经网络进行文本分类。

今天的教程是利用循环神经网络进行文本分类，循环神经网络是为了解决序列文本而设计的，在自然语言处理领域广泛使用，常用的循环神经网络有LSTM和GRU,今天教程将的是利用LSTM进行文本分类。

数据处理在

Tensorflow教程-卷积神经网络分类

教程中已经讲过，也可以参考公开的源代码。这篇教程主要讲如何利用Tensorflow搭建LSTM神经网络进行文本分类。

首先，定义占位符。x_input表示输入占位符，y_output表示标签占位符，keep_prob是dropout占位符。其中输入占位符shape设置为[None,sequence_length]，sequence_length表示输入序列的长度。因为LSTM是有步长的，所以这里的序列的长度就作为LSTM的步长。

定义嵌入层，将输入序列转换成shape为[None，sequence_length，embedding_size]，这里有重要的一点，就是tf.unstack获取sequence_length个(batch_size, n_input)的张量，这为一个字符一个字符输入LSTM网络做准备。

在Tensorlow中已经有定义好的LSTM,在本教程中使用BasicLSTMCell，只需要设num_hidden的大小，即隐藏层单元的大小。然后利用static_rnn得到最终的输出和最终的隐藏的状态。

搭建好网络以后就可以进行训练了，训练代码就不放在公众号了，可以直接公开的源代码。

今天的教程就讲完了，更多细节请参考公开的代码，或者遇到不懂的，可以在github上留言。

基础

神经网络

公众号：自然语言处理与深度学习技术

如果我的文章对您有帮助

欢迎分享给您的亲朋好友

这是对我的最大鼓励和支持