крошечный_шекспир

• Описание :

40 000 строк Шекспира из множества пьес Шекспира. Опубликовано в блоге Андрея Карпати «Необоснованная эффективность рекуррентных нейронных сетей»: http://karpathy.github.io/2015/05/21/rnn-efficientness/

Чтобы использовать, например, для моделирования персонажей:

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)

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

• Исходный код : tfds.datasets.tiny_shakespeare.Builder

• Версии :

  • 1.0.0 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 1.06 MiB

• Размер набора данных : 1.06 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'test'	1
'train'	1
'validation'	1

• Структура функции :

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

• Документация по функциям :

Особенность	Сорт	Форма	Dтип	Описание
	ОсобенностиDict
текст	Текст		нить

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

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