Crea un modello CNN per il testo

PyBooks ha creato con successo un motore di raccomandazione per i libri. Il prossimo compito è implementare un modello di sentiment analysis per comprendere le recensioni degli utenti e ottenere indicazioni sulle preferenze di lettura.

Userai un modello di Convolutional Neural Network (CNN) per classificare i dati testuali (recensioni di libri) in base al loro sentiment.

torch, torch.nn come nn e torch.nn.functional come F sono già stati caricati per te.

Questo esercizio fa parte del corso

Deep Learning per il testo con PyTorch

Visualizza il corso

Istruzioni dell'esercizio

Inizializza il livello di embedding nel metodo __init__().
Applica il livello convoluzionale self.conv al testo embedded all'interno del metodo forward().
Applica l'attivazione ReLU a questo livello all'interno del metodo forward().

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

class TextClassificationCNN(nn.Module):
    def __init__(self, vocab_size, embed_dim):
        super(TextClassificationCNN, self).__init__()
        # Initialize the embedding layer 
        self.embedding = ____.____(vocab_size, embed_dim)
        self.conv = nn.Conv1d(embed_dim, embed_dim, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(embed_dim, 2)
    def forward(self, text):
        embedded = self.embedding(text).permute(0, 2, 1)
        # Pass the embedded text through the convolutional layer and apply a ReLU
        conved = ____.____(self.conv(____))
        conved = conved.mean(dim=2) 
        return self.fc(conved)

Modifica ed esegui il codice