minuscule_shakespeare

• Descriptif :

40 000 lignes de Shakespeare à partir d'une variété de pièces de Shakespeare. Présenté dans le billet de blog d'Andrej Karpathy "L'efficacité déraisonnable des réseaux de neurones récurrents": http://karpathy.github.io/2015/05/21/rnn-effectiveness/

A utiliser par exemple pour la modélisation de personnages :

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)

• Page d' accueil : https://github.com/karpathy/char-rnn/blob/master/data/tinyshakespeare/input.txt

• Code source : tfds.datasets.tiny_shakespeare.Builder

• Versions :

  • 1.0.0 (par défaut) : aucune note de version.

• Taille du téléchargement : 1.06 MiB

• Taille du jeu de données : 1.06 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

Diviser	Exemples
'test'	1
'train'	1
'validation'	1

• Structure des fonctionnalités :

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

• Documentation des fonctionnalités :

Fonctionnalité	Classe	Forme	Dtype	Description
	FonctionnalitésDict
texte	Texte		chaîne

• Clés supervisées (Voir as_supervised doc ): None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

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