1. Apprendre
    2. /
  2. Cours
    3. /
  3. Réseaux de neurones récurrents (RNN) pour la modélisation du langage avec Keras
Connected

Exercice

Point de départ de l'apprentissage par transfert

Dans cet exercice, vous verrez l'avantage d'utiliser des vecteurs préentraînés comme point de départ pour votre modèle.

Vous comparerez la justesse de deux modèles entraînés pendant deux époques. L'architecture des modèles est la même : une couche d'intégration (embedding), une couche LSTM avec 128 unités et une couche de sortie avec 5 unités, soit le nombre de classes dans l'exemple de données. La différence est que l'un des modèles utilise des vecteurs préentraînés dans la couche d'intégration (apprentissage par transfert) et l'autre non.

Les vecteurs préentraînés utilisés sont GloVE avec 200 dimensions. L'historique de la justesse sur l'ensemble de validation pour les deux modèles est disponible dans les variables history_no_emb et history_emb.

Instructions

100 XP
  • Importez le module matplotlib.pyplot sous le nom plt.
  • Ajoutez au graphique la liste des valeurs de justesse du modèle sans embeddings.
  • Ajoutez au graphique la liste des valeurs de justesse du modèle avec embeddings.
  • Affichez le graphique à l'aide de la méthode .show().