- Descrição :
40.000 linhas de Shakespeare de uma variedade de peças de Shakespeare. Apresentado na postagem do blog de Andrej Karpathy 'The Unreasonable Effectiveness of Recurrent Neural Networks': http://karpathy.github.io/2015/05/21/rnn-effectiveness/
Para usar, por exemplo, modelagem de personagem:
d = tfds.load(name='tiny_shakespeare')['train']
d = d.map(lambda x: tf.strings.unicode_split(x['text'], 'UTF-8'))
# train split includes vocabulary for other splits
vocabulary = sorted(set(next(iter(d)).numpy()))
d = d.map(lambda x: {'cur_char': x[:-1], 'next_char': x[1:]})
d = d.unbatch()
seq_len = 100
batch_size = 2
d = d.batch(seq_len)
d = d.batch(batch_size)
Página inicial : https://github.com/karpathy/char-rnn/blob/master/data/tinyshakespeare/input.txt
Código -fonte:
tfds.datasets.tiny_shakespeare.Builder
Versões :
-
1.0.0
(padrão): sem notas de versão.
-
Tamanho do download :
1.06 MiB
Tamanho do conjunto de dados :
1.06 MiB
Cache automático ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'test' | 1 |
'train' | 1 |
'validation' | 1 |
- Estrutura de recursos :
FeaturesDict({
'text': Text(shape=(), dtype=string),
})
- Documentação do recurso:
Recurso | Aula | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
texto | Texto | corda |
Chaves supervisionadas (Consulte
as_supervised
doc ):None
Figura ( tfds.show_examples ): Não compatível.
Exemplos ( tfds.as_dataframe ):
- Citação :
@misc{
author={Karpathy, Andrej},
title={char-rnn},
year={2015},
howpublished={\url{https://github.com/karpathy/char-rnn} }
}
, - Descrição :
40.000 linhas de Shakespeare de uma variedade de peças de Shakespeare. Apresentado na postagem do blog de Andrej Karpathy 'The Unreasonable Effectiveness of Recurrent Neural Networks': http://karpathy.github.io/2015/05/21/rnn-effectiveness/
Para usar, por exemplo, modelagem de personagem:
d = tfds.load(name='tiny_shakespeare')['train']
d = d.map(lambda x: tf.strings.unicode_split(x['text'], 'UTF-8'))
# train split includes vocabulary for other splits
vocabulary = sorted(set(next(iter(d)).numpy()))
d = d.map(lambda x: {'cur_char': x[:-1], 'next_char': x[1:]})
d = d.unbatch()
seq_len = 100
batch_size = 2
d = d.batch(seq_len)
d = d.batch(batch_size)
Página inicial : https://github.com/karpathy/char-rnn/blob/master/data/tinyshakespeare/input.txt
Código -fonte:
tfds.datasets.tiny_shakespeare.Builder
Versões :
-
1.0.0
(padrão): sem notas de versão.
-
Tamanho do download :
1.06 MiB
Tamanho do conjunto de dados :
1.06 MiB
Cache automático ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'test' | 1 |
'train' | 1 |
'validation' | 1 |
- Estrutura de recursos :
FeaturesDict({
'text': Text(shape=(), dtype=string),
})
- Documentação do recurso:
Recurso | Aula | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
texto | Texto | corda |
Chaves supervisionadas (Consulte
as_supervised
doc ):None
Figura ( tfds.show_examples ): Não compatível.
Exemplos ( tfds.as_dataframe ):
- Citação :
@misc{
author={Karpathy, Andrej},
title={char-rnn},
year={2015},
howpublished={\url{https://github.com/karpathy/char-rnn} }
}