译者:hhxx2015
作者: Sean Robertson
在上一个 例子 中我们使用RNN网络对名字所属的语言进行分类。 这一次我们会反过来根据语言生成姓氏。
> python sample.py Russian RUS
Rovakov
Uantov
Shavakov
> python sample.py German GER
Gerren
Ereng
Rosher
> python sample.py Spanish SPA
Salla
Parer
Allan
> python sample.py Chinese CHI
Chan
Hang
Iun
我们仍使用几层linear层简单实现的RNN。 最大的区别在于,不是在读取一个姓氏的所有字母后预测类别,而是输入一个类别之后在每一时刻输出一个字母。 循环预测字符以形成语言通常也被称为“语言模型”。(也可以将字符换成单词或更高级的结构进行这一过程)