Il tuo primo modello RNN

In questo esercizio metterai in pratica i moduli di Keras per costruire il tuo primo modello RNN e usarlo per classificare il sentiment delle recensioni di film.

Questo primo modello ha uno strato ricorrente con la cella RNN di base: SimpleRNN, e uno strato di output con due possibili valori: 0 per il sentiment negativo e 1 per il sentiment positivo.

Userai il dataset IMDB contenuto in keras.datasets. Un modello è già stato addestrato e i suoi pesi sono salvati nel file model_weights.h5. Costruirai l'architettura del modello e userai le variabili già caricate x_test e y_test per verificarne le prestazioni.

Questo esercizio fa parte del corso

Reti Neurali Ricorrenti (RNN) per il Language Modeling con Keras

Visualizza corso

Istruzioni dell'esercizio

Aggiungi la cella SimpleRNN con 128 unità.
Aggiungi uno strato Dense con un'unità per la classificazione del sentiment.
Usa la funzione di perdita corretta per la classificazione binaria.
Valuta il modello sul set di validazione pre-addestrato: (x_test, y_test).

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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))

Modifica ed esegui il codice