शुरू करेंमुफ़्त में शुरू करें

टेक्स्ट जनरेशन मॉडल बनाना

इस अभ्यास में, आप Keras का उपयोग करके एक टेक्स्ट जनरेशन मॉडल परिभाषित करेंगे.

वैरिएबल n_vocab जिसमें vocabulary का आकार है और input_shape जिसमें प्रशिक्षण के लिए उपयोग किए गए डेटा का shape है, पहले से environment में लोड हैं. साथ ही, एक pre-trained मॉडल के वेट्स फ़ाइल model_weights.h5 में उपलब्ध हैं. इस मॉडल को प्रशिक्षण डेटा पर 40 epochs के साथ प्रशिक्षित किया गया था. याद रखें कि Keras में मॉडल को train करने के लिए आप .fit() मेथड का उपयोग करते हैं, प्रशिक्षण डेटा (X, y) पर, और epochs पैरामीटर देते हैं. उदाहरण के लिए:

model.fit(X_train, y_train, epochs=40)

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक LSTM लेयर जोड़ें जो sequences लौटाए.
  • एक LSTM लेयर जोड़ें जो sequences न लौटाए.
  • n_vocab यूनिट्स के साथ आउटपुट लेयर जोड़ें.
  • मॉडल का summary दिखाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Instantiate the model
model = Sequential(name="LSTM model")

# Add two LSTM layers
model.add(____(64, input_shape=input_shape, dropout=0.15, recurrent_dropout=0.15, return_sequences=____, name="Input_layer"))
model.add(____(64, dropout=0.15, recurrent_dropout=0.15, return_sequences=____, name="LSTM_hidden"))

# Add the output layer
model.add(Dense(____, activation='softmax', name="Output_layer"))

# Compile and load weights
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.load_weights('model_weights.h5')
# Summary
model.____
कोड संपादित करें और चलाएँ