Uso del livello CNN
In questo esercizio userai un modello pre-addestrato che utilizza i livelli Conv1D e MaxPooling1D dal modulo keras.layers.convolutional, e che raggiunge un'accuratezza ancora migliore nel compito di classificazione.
Questa architettura ha ottenuto buoni risultati in compiti di language modeling come la classificazione, ed è inclusa qui come esercizio extra per vederla in azione e farti un'idea intuitiva di come funziona.
Poiché questo livello non rientra nello scopo del corso, ti concentrerai su come usarlo insieme ai livelli RNN che hai già imparato.
Segui le istruzioni per vedere i risultati.
Questo esercizio fa parte del corso
Reti Neurali Ricorrenti (RNN) per il Language Modeling con Keras
Istruzioni dell'esercizio
- Stampa l'architettura del modello.
- Carica i pesi pre-addestrati.
- Valuta il modello sui dati di test.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Print the model summary
model_cnn.____
# Load pre-trained weights
model_cnn.____('model_weights.h5')
# Evaluate the model to get the loss and accuracy values
loss, acc = ____(x_test, y_test, verbose=0)
# Print the loss and accuracy obtained
print("Loss: {0}\nAccuracy: {1}".format(loss, acc))