安裝 Steam
登入
|
語言
簡體中文
日本語（日文）
한국어（韓文）
ไทย（泰文）
Български（保加利亞文）
Čeština（捷克文）
Dansk（丹麥文）
Deutsch（德文）
English（英文）
Español - España（西班牙文 - 西班牙）
Español - Latinoamérica（西班牙文 - 拉丁美洲）
Ελληνικά（希臘文）
Français（法文）
Italiano（義大利文）
Bahasa Indonesia（印尼語）
Magyar（匈牙利文）
Nederlands（荷蘭文）
Norsk（挪威文）
Polski（波蘭文）
Português（葡萄牙文 - 葡萄牙）
Português - Brasil（葡萄牙文 - 巴西）
Română（羅馬尼亞文）
Русский（俄文）
Suomi（芬蘭文）
Svenska（瑞典文）
Türkçe（土耳其文）
tiếng Việt（越南文）
Українська（烏克蘭文）
回報翻譯問題
6999999999999966669999999999999666699999999999996
6999999999999966669999999999999666699999999999996
6999966666699966669996666666999666699966666669996
6999966666699966669996666666999666699966666669996
6999966666699966669996666666999666699966666669996
6999999999999966669999999999999666699966666669996
6999999999999966669999999999999666699966666669996
6999966666666666669999999666666666699966666669996
6999966666666666669999999996666666699966666669996
6999966666666666669996699999966666699966666669996
6999966666666666669996666999999666699999999999996
6999966666666666669996666669999666699999999999996
6666666666666666666666666666666666666666666666666
1. Hepsini seç
2. CTRL+F ye bas
3. 6 yaz
4. ve oku.
train_X = np.array(names[:size * 2/3])
train_y = np.array(indStates[:size * 2/3])
test_X = np.array(names[size * 2/3:])
test_y = np.array(indStates[size * 2/3:])
X = tf.placeholder(tf.float32, [None, max_sequence_length, num_input])
y = tf.placeholder(tf.float32, [None, num_classes])
weights = weight_variable([num_hidden, num_classes])
biases = bias_variable([num_classes])
rnn_cell = tf.nn.rnn_cell.BasicRNNCell(num_hidden)
out, states = tf.nn.dynamic_rnn(rnn_cell, X, dtype = tf.float32)
y_ = tf.matmul(outputs[:,-1,:], weights) + biases
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = y_, labels = y))
train_step = tf.train.AdamOptimizer(learning_rate = learning_rate).minimize(loss)