शुरू करेंमुफ़्त में शुरू करें

टेक्स्ट के लिए CNN मॉडल ट्रेन करें

TextClassificationCNN क्लास को परिभाषित करने पर बढ़िया काम. अब PyBooks को मॉडल ट्रेन करना है ताकि बुक रिव्यू के सेंटिमेंट एनालिसिस में सटीकता के लिए इसे ऑप्टिमाइज़ किया जा सके.

निम्न पैकेज आपके लिए इम्पोर्ट कर दिए गए हैं: torch, torch.nn as nn, torch.nn.functional as F, torch.optim as optim.

TextClassificationCNN() का एक इंस्टेंस vocab_size और embed_dim आर्ग्युमेंट्स के साथ लोड कर लिया गया है और model के रूप में सेव है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • बाइनरी क्लासिफिकेशन के लिए उपयोग होने वाला एक loss function परिभाषित करें और उसे criterion के रूप में सेव करें.
  • ट्रेनिंग लूप की शुरुआत में ग्रेडिएंट्स को ज़ीरो करें.
  • लूप के अंत में पैरामीटर्स अपडेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define the loss function
criterion = nn.____()
optimizer = optim.SGD(model.parameters(), lr=0.1)

for epoch in range(10):
    for sentence, label in data:     
        # Clear the gradients
        model.____()
        sentence = torch.LongTensor([word_to_ix.get(w, 0) for w in sentence]).unsqueeze(0) 
        label = torch.LongTensor([int(label)])
        outputs = model(sentence)
        loss = criterion(outputs, label)
        loss.backward()
        # Update the parameters
        ____.____()
print('Training complete!')
कोड संपादित करें और चलाएँ