minuscolo_shakespeare

• Descrizione :

40.000 versi di Shakespeare da una varietà di opere di Shakespeare. Presentato nel post sul blog di Andrej Karpathy 'The Unreasonable Effectiveness of Recurrent Neural Networks': http://karpathy.github.io/2015/05/21/rnn-effectness/

Per utilizzare ad esempio la modellazione dei personaggi:

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)

• Pagina iniziale : https://github.com/karpathy/char-rnn/blob/master/data/tinyshakespeare/input.txt

• Codice sorgente : tfds.datasets.tiny_shakespeare.Builder

• Versioni :

  • 1.0.0 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione del download : 1.06 MiB

• Dimensione del set di dati : 1.06 MiB

• Auto-cache ( documentazione ): Sì

• Divisioni :

Diviso	Esempi
'test'	1
'train'	1
'validation'	1

• Struttura delle caratteristiche :

FeaturesDict({
    'text': Text(shape=(), dtype=string),
})

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
testo	Testo		corda

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ):

• Citazione :

@misc{
  author={Karpathy, Andrej},
  title={char-rnn},
  year={2015},
  howpublished={\url{https://github.com/karpathy/char-rnn} }
}