keras 的 example 文件 addition_rnn.py 解析
该代码实现了通过神经网络来计算两个三位数的相加
先生成一堆训练数据，打印一下
print(questions[:10])
print(expected[:10])结果为：
[' 31+991', ' 46+154', ' 0+2', ' 9+9', ' 1+7', ' 827+2', ' 97+09', ' 0+8', ' 5+3', ' 5+239']
['212 ', '515 ', '2 ', '18 ', '8 ', '730 ', '169 ', '8 ', '8 ', '937 ']编码的时候，questions是前面加空格，后面是真实的计算字符串，也就是右对齐
expected是后面加空格，也就是说expected字符串是左对齐
然后进行编码，参考下面的questions编码方式
31+991
[[ True False False False False False False False False False False False]
[False False False False False True False False False False False False]
[False False False True False False False False False False False False]
[False True False False False False False False False False False False]
[False False False False False False False False False False False True]
[False False False False False False False False False False False True]
[False False False True False False False False False False False False]]
46+154
[[ True False False False False False False False False False False False]
[False False False False False False True False False False False False]
[False False False False False False False False True False False False]
[False True False False False False False False False False False False]
[False False False True False False False False False False False False]
[False False False False False False False True False False False False]
[False False False False False False True False False False False False]]
0+2
[[ True False False False False False False False False False False False]
[ True False False False False False False False False False False False]
[ True False False False False False False False False False False False]
[ True False False False False False False False False False False False]
[False False True False False False False False False False False False]
[False True False False False False False False False False False False]
[False False False False True False False False False False False False]]上面的一行，分别对应[空格, +, 0,1,2,3,4,5,6,7,8,9]，所以字符串进行了类似的one-hot编码
expected也是一样：
212
[[False False False False True False False False False False False False]
[False False False True False False False False False False False False]
[False False False False True False False False False False False False]
[ True False False False False False False False False False False False]]
515
[[False False False False False False False True False False False False]
[False False False True False False False False False False False False]
[False False False False False False False True False False False False]
[ True False False False False False False False False False False False]]
2
[[False False False False True False False False False False False False]
[ True False False False False False False False False False False False]
[ True False False False False False False False False False False False]
[ True False False False False False False False False False False False]]因为expected中没有加号，所以第二列永远为False
x_train.shape和y_train.shape分别为(45000, 7, 12) (45000, 4, 12)
神经网络模型为：
__________________________________________________________________________________________
Layer (type) Output Shape Param #
==========================================================================================
lstm_1 (LSTM) (None, 128) 72192
__________________________________________________________________________________________
repeat_vector_1 (RepeatVector) (None, 4, 128) 0
__________________________________________________________________________________________
lstm_2 (LSTM) (None, 4, 128) 131584
__________________________________________________________________________________________
time_distributed_1 (TimeDistributed) (None, 4, 12) 1548
==========================================================================================
Total params: 205,324
Trainable params: 205,324
Non-trainable params: 0
__________________________________________________________________________________________上面可以看到，两个LSTM的输出shape不一样，一个是(None, 128)，另一个是(None, 4, 128)，这是因为第一个RNN的return_sequences为False，而第一个RNN的return_sequences为True
代码解释参考官方教程：
https://keras.io/zh/examples/addition_rnn/
——————————————————————
总目录