Mulai sekarangMulai gratis

Model RNN pertama Anda

Dalam latihan ini, Anda akan mempraktikkan modul Keras untuk membangun model RNN pertama Anda dan menggunakannya untuk mengklasifikasikan sentimen pada ulasan film.

Model pertama ini memiliki satu lapisan berulang dengan sel RNN standar: SimpleRNN, dan lapisan keluaran dengan dua kemungkinan nilai: 0 mewakili sentimen negatif dan 1 mewakili sentimen positif.

Anda akan menggunakan himpunan data IMDB yang terdapat di keras.datasets. Sebuah model sudah dilatih dan bobotnya disimpan dalam berkas model_weights.h5. Anda akan membangun arsitektur model dan menggunakan variabel yang telah dimuat x_test dan y_test untuk memeriksa kinerjanya.

Latihan ini merupakan bagian dari kursus

Recurrent Neural Networks (RNN) untuk Pemodelan Bahasa dengan Keras

Lihat Kursus

Instruksi latihan

  • Tambahkan sel SimpleRNN dengan 128 unit.
  • Tambahkan lapisan Dense dengan satu unit untuk klasifikasi sentimen.
  • Gunakan fungsi loss yang sesuai untuk klasifikasi biner.
  • Evaluasi model pada himpunan validasi pralatih: (x_test, y_test).

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Build model
model = Sequential()
model.add(____(units=____, input_shape=(None, 1)))
model.add(Dense(____, activation='sigmoid'))
model.compile(loss='____', 
              optimizer='adam',
              metrics=['accuracy'])

# Load pre-trained weights
model.load_weights('model_weights.h5')

# Method '.evaluate()' shows the loss and accuracy
loss, acc = model.evaluate(____, ____, verbose=0)
print("Loss: {0} \nAccuracy: {1}".format(loss, acc))
Edit dan Jalankan Kode