? ? ? ? 本周任務(wù)：按照標(biāo)準的數(shù)據(jù)集劃分顿天，即訓(xùn)練集：2 測試集：1的比例劃分數(shù)據(jù)，測試模型效果蔑担。

? ? ? ? 首先牌废，劃分數(shù)據(jù)集蟀架，按照上述的比例葛虐，源數(shù)據(jù)：71532條，訓(xùn)練集拘泞；50000條恨统，測試集：20000條

? ? ? ? 沒有在原始數(shù)據(jù)集劃分叁扫，而是在數(shù)據(jù)遞交中劃分，因為lstm需要循環(huán)訓(xùn)練畜埋，因此需要在源數(shù)據(jù)的基礎(chǔ)上取余操作：

def next_batch(batch_size, step):

? ? return vec_lists[step%(50000//batch_size)], tag_lists[step%(50000//batch_size)]

def test_Data(step):

? ? return vec_list[50000//batch_size + step%(20000//batch_size)], tag_lists[50000//batch_size + step%(20000//batch_size)]

? ? ? ? ? 不斷的在測試集上檢測莫绣，求得相關(guān)正確率：

if __name__ == "__main__":

? ? tag_list = init_Tag()

? ? vec_list = init_Vec()

? ? init_Data()

? ? pred = RNN(x, weights, biases)

? ? cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels = y, logits=pred))

? ? train_op = tf.train.AdamOptimizer(lr).minimize(cost)

? ? correct_pred = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))

? ? accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

? ? # init= tf.initialize_all_variables() # tf 馬上就要廢棄這種寫法

? ? # 替換成下面的寫法:

? ? init = tf.global_variables_initializer()

? ? list = []

? ? with tf.Session() as sess:

? ? ? ? sess.run(init)

? ? ? ? step = 0

? ? ? ? test_step = 0

? ? ? ? while step * batch_size <= training_iters:

? ? ? ? ? ? batch_xs, batch_ys = next_batch(batch_size, step)

? ? ? ? ? ? batch_xs = np.array(batch_xs)

? ? ? ? ? ? batch_xs = batch_xs.reshape([batch_size, n_steps, n_inputs])

? ? ? ? ? ? sess.run([train_op], feed_dict={

? ? ? ? ? ? ? ? x: batch_xs,

? ? ? ? ? ? ? ? y: batch_ys,

? ? ? ? ? ? })

? ? ? ? ? ? if step == training_iters//batch_size:

? ? ? ? ? ? ? ? while test_step * batch_size < 20000:

? ? ? ? ? ? ? ? ? ? test_batch_xs, test_batch_ys = test_Data(test_step)

? ? ? ? ? ? ? ? ? ? test_batch_xs = np.array(batch_xs)

? ? ? ? ? ? ? ? ? ? test_batch_xs = test_batch_xs.reshape([batch_size, n_steps, n_inputs])

? ? ? ? ? ? ? ? ? ? a = sess.run(accuracy, feed_dict={

? ? ? ? ? ? ? ? ? ? ? ? x: test_batch_xs,

? ? ? ? ? ? ? ? ? ? ? ? y: test_batch_ys,

? ? ? ? ? ? ? ? ? ? })

? ? ? ? ? ? ? ? ? ? list.append(a)

? ? ? ? ? ? ? ? ? ? print(a)

? ? ? ? ? ? ? ? ? ? test_step += 1

? ? ? ? ? ? step += 1

? ? ? ? print(" average num = ")

? ? ? ? print(sum(list)/len(list))

? ? ? ? print(" max num = ")

? ? ? ? print(np.max(list))

? ? ? ? ?得出最終的訓(xùn)練效果：

? ? ? ? 平均正確率百分之95.3

? ? ? ? 這樣的一個效果，依舊不是很滿意悠鞍，在經(jīng)過小組討論之后对室，發(fā)現(xiàn)我的詞向量存在問題，因為我們直接使用的是word2vec咖祭，自動訓(xùn)練的代碼掩宜，對中文的向量化效果不是很好，所以我們修改了詞向量庫么翰，改用了搜狗的詞向量庫牺汤，重新生成的詞向量進行訓(xùn)練。