习的一个github上的代码，分析了一下实现过程。代码下载链接：https://github.com/Choco31415/Attention_Network_With_Keras

代码的主要目标是通过一个描述时间的字符串，预测为数字形式的字符串。如“ten before ten o'clock a.m”预测为09:50

在jupyter上运行，代码如下：

1，导入模块，好像并没有全部使用到，如Permute，Multiply，Reshape，LearningRateScheduler等，这些应该是优化的时候使用的

 

复制代码
 1 from keras.layers import Bidirectional, Concatenate, Permute, Dot, Input, LSTM, Multiply, Reshape  2 from keras.layers import RepeatVector, Dense, Activation, Lambda  3 from keras.optimizers import Adam  4 #from keras.utils import to_categorical 5 from keras.models import load_model, Model  6 #from keras.callbacks import LearningRateScheduler 7 import keras.backend as K  8  9 import matplotlib.pyplot as plt 10 %matplotlib inline 11 12 import random 13 #import math14 15 import json 16 import numpy as np
复制代码

 

 2，加载数据集，以及翻译前和翻译后的词典

复制代码
1 with open('data/Time Dataset.json','r') as f: 2     dataset = json.loads(f.read()) 3 with open('data/Time Vocabs.json','r') as f: 4     human_vocab, machine_vocab = json.loads(f.read()) 5     6 human_vocab_size = len(human_vocab) 7 machine_vocab_size = len(machine_vocab)
复制代码

这里human_vocab词典是将每个字符映射到索引，machine_vocab也是将翻译后的字符映射到索引，因为翻译后的时间只包含0-9以及：

3，定义数据处理方法

tokenize为将字符映射到索引，one-hot为对每个映射后的索引做了个one-hot编码处理

复制代码
 1 def preprocess_data(dataset, human_vocab, machine_vocab, Tx, Ty):  2     """ 3     A method for tokenizing data.  4      5     Inputs:  6