Inizia subitoInizia gratis

Costruisci il tuo modello LSTM

Hai già preparato le tue sequenze di testo. È il momento di costruire il tuo modello LSTM!

Ricorda: le tue sequenze hanno 4 parole ciascuna; il modello sarà addestrato sulle prime tre parole di ogni sequenza per predire la quarta. Userai un livello Embedding che imparerà a trasformare le parole in vettori significativi. Questi vettori verranno poi passati a un semplice livello LSTM. L'output è un livello Dense con tanti neuroni quanti sono le parole nel vocabolario e attivazione softmax. Questo perché vogliamo ottenere la parola successiva più probabile tra tutte le possibili.

La dimensione del vocabolario (numero di parole uniche) è salvata in vocab_size.

Questo esercizio fa parte del corso

Introduzione al Deep Learning con Keras

Visualizza corso

Istruzioni dell'esercizio

  • Importa i livelli Embedding, LSTM e Dense da tensorflow.keras layers.
  • Aggiungi un livello Embedding() della dimensione del vocabolario, che trasformi le parole in vettori di 8 numeri e riceva sequenze di lunghezza 3.
  • Aggiungi un livello LSTM() con 32 neuroni.
  • Aggiungi un livello nascosto Dense() da 32 neuroni e un livello di output con vocab_size neuroni e softmax.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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()
Modifica ed esegui il codice