RNNを使用した基本的な数学方程式の解法[コーディング例付き]

tensorflowをtfとしてインポートします

tensorflow.keras.modelsからインポートシーケンシャル

tensorflow.keras.layersからDense、Dropout、SimpleRNN、RepeatVector、TimeDistributedをインポートします

tensorflow.keras.callbacksからEarlyStopping 、 LambdaCallbackをインポートします

termcolorからインポートカラー

num_chars = len （char_string）

character_to_index = dict （（c、i） for i、c in enumerate （char_string））

index_to_character = dict （（i、c） for i、c in enumerate （char_string））

d ！= 0else0の場合はn / dを返します

def datagen （）：

random1 = np.random.randint（low = 0 、high = 100 ）

random2 = np.random.randint（low = 0 、high = 100 ）

op = np.random.randint（low = 0 、high = 4 ）

op == 1の場合：

arith = str （random1） + ' + ' + str （random2）

res = str （ random1 + random2）

elif op == 1 ：

arith = str （random1） + ' – ' + str （random2）

res = str （ random1 – random2）

elif op == 2 ：

arith = str （random1） + ' * ' + str （random2）

res = str （ random1 * random2）

その他：

arith = str （random1） + ' / ' + str （random2）

res = str （ round （division（random1、random2）、 2 ））

arith、resを返す

max_time_steps = 5 ＃出力を5文字にハードコーディングしています

def model （）：

モデル= Sequential（）

model.add（SimpleRNN（hidden_​​units、input_shape = （ None 、num_chars）））

model.add（RepeatVector（max_time_steps））

model.add（SimpleRNN（hidden_​​units、return_sequences = True ））

model.add（TimeDistributed（Dense（num_chars、activation = ' softmax ' ）））

リターンモデル

model = model（）

model.summary（）

model.compile（loss = ' categorical_crossentropy ' 、optimizer = ' adam ' 、metrics = [ ' accuracy ' ]）

x = np.zeros（（max_time_steps、num_chars））

y = np.zeros（（max_time_steps、num_chars））

x_remaining = max_time_steps – len （arith）

y_remaining = max_time_steps – len （res）

for i、c in enumerate （arith）：

x [x_remaining + i、character_to_index [c]] = 1

範囲内のiの場合（x_remaining）：

x [i、character_to_index [ ' 0 ' ]] = 1

for i、c in enumerate （res）：

y [y_remaining + i、character_to_index [c]] = 1

範囲内のiの場合（y_remaining）：

y [i、character_to_index [ ' 0 ' ]] = 1

x、yを返す

res = [index_to_character [np.argmax（vec）] for i、vec in enumerate （ input ）]

return ' ' .join（res）

フラグ= False

出力= ' '

入力のcの場合：

フラグがなく、 c == ' 0 'の場合：

継続する

if c == ' + 'またはc == ' – 'またはc == ' * 'またはc == ' / 'またはc == ' 。 ' ：

フラグ= False

その他：

フラグ= True

出力+= c

出力を返す

x_train = np.zeros（（num_equations、max_time_steps、num_chars））

y_train = np.zeros（（num_equations、max_time_steps、num_chars））

範囲内のiの場合（num_equations）：

e、l = datagen（）

x、y = vectorize（e、l）

x_train [i] = x

y_train [i] = y

x_train、y_trainを返します

simple_logger = LambdaCallback（

on_epoch_end = lambda e、l： print （ ' {：.2f} ' .format（l [ ' val_accuracy ' ]）、end = ' _ ' ）

）。

Early_stopping = EarlyStopping（monitor = ' val_loss ' 、patience = 8 ）

model.fit（x_train、y_train、epochs = 100 、validation_split = 0.25 、verbose = 0 、

コールバック= [simple_logger、early_stopping]）

preds = model.predict（x_test）

full_seq_acc = 0

for i、pred in enumerate （preds）：

pred_str = stripping（devectorize（pred））

y_test_str = stripping（devectorize（y_test [i]））

x_test_str = stripping（devectorize（x_test [i]））

col = '緑' ifpred_str == y_test_strelse '赤' _ _

full_seq_acc + = 1 / len （preds） * int （pred_str == y_test_str）

outstring = '入力：{}、出力：{}、予測：{} ' .format（x_test_str、y_test_str、pred_str）

印刷（colored（outstring、col））

print （ ' \ n完全なシーケンス精度：{：.3f}％ ' .format（ 100 * full_seq_acc））