本文整理匯總了Python中theano_toolkit.parameters.Parameters.W_predict方法的典型用法代碼示例。如果您正苦於以下問題：Python Parameters.W_predict方法的具體用法？Python Parameters.W_predict怎麽用？Python Parameters.W_predict使用的例子？那麽, 這裏精選的方法代碼示例或許可以為您提供幫助。您也可以進一步了解該方法所在類theano_toolkit.parameters.Parameters的用法示例。
在下文中一共展示了Parameters.W_predict方法的1個代碼示例，這些例子默認根據受歡迎程度排序。您可以為喜歡或者感覺有用的代碼點讚，您的評價將有助於係統推薦出更棒的Python代碼示例。
示例1: create_model
# 需要導入模塊: from theano_toolkit.parameters import Parameters [as 別名]
# 或者: from theano_toolkit.parameters.Parameters import W_predict [as 別名]
def create_model(ids,vocab2id,size):
word_vector_size = size
hidden_state_size = size
P = Parameters()
P.V = create_vocab_vectors(P,vocab2id,word_vector_size)
P.W_predict = np.zeros(P.V.get_value().shape).T
P.b_predict = np.zeros((P.V.get_value().shape[0],))
X = P.V[ids]
step = build_lstm_step(P,word_vector_size,hidden_state_size)
[states,_],_ = theano.scan(
step,
sequences = [X],
outputs_info = [P.init_h,P.init_c]
)
scores = T.dot(states,P.W_predict) + P.b_predict
scores = T.nnet.softmax(scores)
log_likelihood, cross_ent = word_cost(scores[:-1],ids[1:])
cost = log_likelihood #+ 1e-4 * sum( T.sum(abs(w)) for w in P.values() )
obv_cost = cross_ent
return scores, cost, obv_cost, P