我嘗試使用示例LSTM，根據Tensorflow LSTM example進行了培訓。這個例子可以讓整個測試集都很困惑。但我需要使用訓練好的模型分別對每個句子進行評分（得到loglikes）（評分STT解碼器輸出的假設）。我修改reader一點，並使用代碼： mtests=list()
with tf.name_scope("Test"):
for test_data_item i
我是在Keras RNN結構中實現語言模型的新手。我有具有以下統計離散的話（而不是從一個段落）的數據集， 總字樣本：1953 明顯不同的字符的總數：33（包括開始，結束和*）一句話 最大長度（字符數）爲10 現在，我想建立一個模型，將接受一個字符和單詞預測下一個字符。我填充了所有單詞，以便它們具有相同的長度。所以我的輸入是Word_input形狀1953 x 9和目標是1953 x 9 x 33。
受Andrej Karpathy Char-RNN啓發，char-rnn sherjilozair/char-rnn-tensorflow: Multi-layer Recurrent Neural Networks (LSTM, RNN) for character-level language models in Python using Tensorflow有一個Tensorflow實現。我