Tu primer modelo RNN
En este ejercicio pondrás en práctica los módulos de Keras para construir tu primer modelo de aprendizaje automático ( RNN ) y lo utilizarás para clasificar el sentimiento en reseñas de películas.
Este primer modelo tiene una capa recurrente con la celda e RNN: SimpleRNN, y la capa de salida con dos valores posibles: 0 que representa el sentimiento negativo y 1 que representa el sentimiento positivo.
Utilizarás el conjunto de datos « IMDB » (Datos de la encuesta sobre la salud de la población de California) que se encuentra en keras.datasets. Ya se ha entrenado un modelo y sus pesos se han almacenado en el archivo model_weights.h5. Construirás la arquitectura del modelo y utilizarás las variables precargadas x_test y y_test para comprobar su rendimiento.
Este ejercicio forma parte del curso
Redes neuronales recurrentes (RNN) para el modelado del lenguaje con Keras
Instrucciones del ejercicio
- Añade la celda «
SimpleRNN» con las unidades «128». - Añade una capa «
Dense» con una unidad para la clasificación del sentimiento. - Utiliza la función de pérdida adecuada para la clasificación binaria.
- Evalúa el modelo en el conjunto de validación preentrenado:
(x_test, y_test).
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Build model
model = Sequential()
model.add(____(units=____, input_shape=(None, 1)))
model.add(Dense(____, activation='sigmoid'))
model.compile(loss='____',
optimizer='adam',
metrics=['accuracy'])
# Load pre-trained weights
model.load_weights('model_weights.h5')
# Method '.evaluate()' shows the loss and accuracy
loss, acc = model.evaluate(____, ____, verbose=0)
print("Loss: {0} \nAccuracy: {1}".format(loss, acc))