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
अभ्यास निर्देश
__init__()मेथड में एम्बेडिंग लेयर को इनिशियलाइज़ करें.forward()मेथड मेंembeddedटेक्स्ट पर कन्वॉल्यूशनल लेयरself.convलागू 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)