Začněte nyníZačněte zdarma

Testování CNN modelu pro analýzu sentimentu

Model je teď natrénovaný a PyBooks chce otestovat, jak si poradí s novými recenzemi knih.

Tvým úkolem je zjistit, zda je sentiment v recenzi pozitivní, nebo negativní.

Následující balíčky jsou již naimportované: torch, torch.nn jako nn, torch.nn.functional jako F, torch.optim jako optim.

Instance třídy TextClassificationCNN() s argumenty vocab_size a embed_dim je také načtená a uložená jako model.

Toto cvičení je součástí kurzu

Deep Learning for Text with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Projdi seznam book_reviews a převeď slova v každé recenzi na tensor.
  • Získej výstup modelu pro každý input_tensor.
  • Najdi index nejpravděpodobnější kategorie sentimentu z outputs.data.
  • Extrahuj položku predicted_label a převeď ji na řetězec sentimentu, kde 1 odpovídá štítku "Positive".

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

book_reviews = [
    "I love this book".split(),
    "I do not like this book".split()
]
for review in book_reviews:
    # Convert the review words into tensor form
    input_tensor = ____.____([word_to_ix[w] for w in review], dtype=torch.long).unsqueeze(0) 
    # Get the model's output
    outputs = model(____)
    # Find the index of the most likely sentiment category
    _, predicted_label = ____.____(outputs.data, 1)
    # Convert the predicted label into a sentiment string
    sentiment = "Positive" if ____ else "Negative"
    print(f"Book Review: {' '.join(review)}")
    print(f"Sentiment: {sentiment}\n")
Upravit a spustit kód