Votre premier modèle RNN

Dans cet exercice, vous allez mettre en pratique les modules Keras pour construire votre premier modèle RNN et l’utiliser pour classifier le sentiment de critiques de films.

Ce premier modèle comporte une couche récurrente avec la cellule RNN de base : SimpleRNN, et une couche de sortie avec deux valeurs possibles : 0 pour un sentiment négatif et 1 pour un sentiment positif.

Vous utiliserez le jeu de données IMDB disponible dans keras.datasets. Un modèle a déjà été entraîné et ses poids sont stockés dans le fichier model_weights.h5. Vous allez définir l’architecture du modèle et utiliser les variables préchargées x_test et y_test pour en évaluer les performances.

Cet exercice fait partie du cours

Réseaux de neurones récurrents (RNN) pour la modélisation du langage avec Keras

Afficher le cours

Instructions

Ajoutez la cellule SimpleRNN avec 128 unités.
Ajoutez une couche Dense avec une unité pour la classification du sentiment.
Utilisez la fonction de perte adaptée à la classification binaire.
Évaluez le modèle sur l’ensemble de validation pré-entraîné : (x_test, y_test).

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))

Modifier et exécuter le code