शुरू करेंमुफ़्त में शुरू करें

टेक्स्ट के लिए CNN मॉडल बनाएँ

PyBooks ने सफलतापूर्वक एक बुक रिकमेन्डेशन इंजन बनाया है. उनका अगला काम यूज़र रिव्यू समझने और बुक पसंद के बारे में जानकारी पाने के लिए एक सेंटिमेंट एनालिसिस मॉडल लागू करना है.

आप एक Convolutional Neural Network (CNN) मॉडल का उपयोग करके टेक्स्ट डेटा (बुक रिव्यू) को उनके सेंटिमेंट के आधार पर वर्गीकृत करेंगे.

torch, torch.nn as nn, और torch.nn.functional as F आपके लिए लोड कर दिए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • __init__() मेथड में एम्बेडिंग लेयर को इनिशियलाइज़ करें.
  • forward() मेथड में embedded टेक्स्ट पर कन्वॉल्यूशनल लेयर self.conv लागू करें.
  • forward() मेथड में इस लेयर पर ReLU एक्टिवेशन लागू करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

class TextClassificationCNN(nn.Module):
    def __init__(self, vocab_size, embed_dim):
        super(TextClassificationCNN, self).__init__()
        # Initialize the embedding layer 
        self.embedding = ____.____(vocab_size, embed_dim)
        self.conv = nn.Conv1d(embed_dim, embed_dim, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(embed_dim, 2)
    def forward(self, text):
        embedded = self.embedding(text).permute(0, 2, 1)
        # Pass the embedded text through the convolutional layer and apply a ReLU
        conved = ____.____(self.conv(____))
        conved = conved.mean(dim=2) 
        return self.fc(conved)
कोड संपादित करें और चलाएँ