ट्रांसफर लर्निंग: शुरुआती बिंदु
इस अभ्यास में आप देखेंगे कि अपने मॉडल के लिए शुरुआती बिंदु के रूप में प्री-ट्रेंड वेक्टर उपयोग करने का क्या लाभ है.
आप दो epochs के साथ प्रशिक्षित दो मॉडलों की accuracy की तुलना करेंगे। दोनों मॉडलों की आर्किटेक्चर समान है: एक embedding लेयर, 128 यूनिट्स वाली एक LSTM लेयर, और 5 यूनिट्स वाली आउटपुट लेयर, जो सैंपल डेटा में क्लासेस की संख्या है। फर्क यह है कि एक मॉडल embedding लेयर पर प्री-ट्रेंड वेक्टर (ट्रांसफर लर्निंग) उपयोग करता है और दूसरा नहीं करता.
प्री-ट्रेंड वेक्टर के रूप में 200-डायमेंशन वाले GloVE का उपयोग किया गया था। दोनों मॉडलों के वैलिडेशन सेट की training accuracy का इतिहास history_no_emb और history_emb वैरिएबल्स में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)
अभ्यास निर्देश
- मॉड्यूल
matplotlib.pyplotकोpltनाम से इम्पोर्ट करें. - embeddings के बिना मॉडल की accuracy की लिस्ट को प्लॉट में जोड़ें.
- embeddings वाले मॉडल की accuracy की लिस्ट को प्लॉट में जोड़ें.
.show()मेथड का उपयोग करके प्लॉट प्रदर्शित करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import plotting package
import matplotlib.____ as ____
# Insert lists of accuracy obtained on the validation set
plt.plot(____['acc'], marker='o')
plt.plot(history_emb[____], marker='o')
# Add extra descriptions to plot
plt.title('Learning with and without pre-trained embedding vectors')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['no_embeddings', 'with_embeddings'], loc='upper left')
# Display the plot
plt.____