Keras документация, как получить подробную информацию о методах и атрибутах

Question

Я хотел узнать больше о keras tokenizer, и быстрый поиск в Google привел меня к этой странице (это была первая ссылка в поиске по очкам).Почему в нем не перечислены все методы и атрибуты?Как я могу просмотреть их?Есть ли для него отдельная страница?

Я нашел другую ссылку .Похоже, что это официальная документация keras, но для старой версии в ней перечислены методы и атрибуты.Я хотел бы видеть подобную информацию, но для самой последней keras версии

Answer 1

Предварительная обработка Keras перемещена в отдельный пакет.Исходный код доступен здесь: https://github.com/keras-team/keras-preprocessing/blob/master/keras_preprocessing/text.py

При установке Keras также будут установлены keras_applications (известные архитектуры моделей) и keras_preprocessing (утилиты для работы с изображениями, текстом и данными последовательности).https://github.com/keras-team/keras/blob/master/setup.py (строки 40,41).

В REPL Python вы можете получить список всех методов:

Answer 2

Чтобы получить документацию для методов объекта Tokenizer, вы можете просто сделать

>>> import keras
>>> help(keras.preprocessing.text.Tokenizer)

В терминале начало вывода из последнего вызова выглядит следующим образом - что очень похоже на документацию по keras 1.2, на которую вы ссылались во второй ссылке:

Для атрибутов объекта Tokenizer я также не смог найти соответствующую документацию.

Но - в качестве альтернативы ответу Маноджа - просто посмотреть на различные атрибуты и методы объекта Tokenizer, вы можете просто

>>> tokenizer = keras.preprocessing.text.Tokenizer()
>>> dir(tokenizer)

для которого вывод

['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'char_level', 'document_count', 'filters', 'fit_on_sequences', 'fit_on_texts', 'index_docs', 'lower', 'num_words', 'oov_token', 'sequences_to_matrix', 'split', 'texts_to_matrix', 'texts_to_sequences', 'texts_to_sequences_generator', 'word_counts', 'word_docs']

Answer 3

Если вы используете ноутбук Jupyter, вы можете добавить метод?чтобы получить краткое описание с входными данными и как ?methodname или ??чтобы получить исходный код этого метода, например ??methodname