अपना LSTM मॉडल बनाएँ
आप पहले ही अपने टेक्स्ट की सीक्वेन्स तैयार कर चुके हैं. अब अपना LSTM मॉडल बनाने का समय है!
ध्यान रखें कि आपकी हर सीक्वेन्स में 4 शब्द थे. आपका मॉडल हर सीक्वेन्स के पहले तीन शब्दों पर ट्रेन होगा और 4वें शब्द की भविष्यवाणी करेगा. आप एक Embedding लेयर इस्तेमाल करेंगे जो मूलतः शब्दों को सार्थक वेक्टरों में बदलना सीखेगी. ये वेक्टर फिर एक साधारण LSTM लेयर को पास किए जाएँगे. आउटपुट में Dense लेयर होगी जिसमें vocabulary के शब्दों की जितनी संख्या है उतने ही न्यूरॉन्स होंगे, और activation softmax होगा. ऐसा इसलिए क्योंकि हमें सभी संभावित शब्दों में से सबसे अधिक संभाव्यता वाले अगले शब्द का चयन चाहिए.
शब्दावली का आकार (यानी यूनिक शब्दों की संख्या) vocab_size में रखा गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
tensorflow.kerasकी layers सेEmbedding,LSTMऔरDenseलेयर इम्पोर्ट करें.- एक
Embedding()लेयर जोड़ें जो vocabulary size ले, शब्दों को 8-डायमेंशन वाले वेक्टर में बदले, और लंबाई 3 वाली सीक्वेन्स प्राप्त करे. - 32 न्यूरॉन वाली
LSTM()लेयर जोड़ें. - 32 न्यूरॉन की एक hidden
Dense()लेयर औरvocab_sizeन्यूरॉन्स तथाsoftmaxवाली एक आउटपुट लेयर जोड़ें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the Embedding, LSTM and Dense layer
from tensorflow.keras.____ import ____, ____, ____
model = Sequential()
# Add an Embedding layer with the right parameters
model.add(____(input_dim = ____, input_length = ____, output_dim = ____, ))
# Add a 32 unit LSTM layer
model.add(____(____))
# Add a hidden Dense layer of 32 units and an output layer of vocab_size with softmax
model.add(Dense(____, activation='relu'))
model.add(Dense(____, activation=____))
model.summary()