시작하기무료로 시작하기

텍스트용 CNN 모델 학습

TextClassificationCNN 클래스를 잘 정의하셨어요. 이제 PyBooks에서 모델을 학습해 도서 리뷰의 감성 분석 정확도를 높이려고 해요.

다음 패키지는 미리 임포트되어 있어요: torch, torch.nn은 nn으로, torch.nn.functional은 F로, torch.optim은 optim으로.

또한 vocab_size와 embed_dim을 인수로 하는 TextClassificationCNN() 인스턴스를 로드해 model로 저장해 두었어요.

이 연습은 강의의 일부입니다

PyTorch로 배우는 텍스트 딥러닝

강의 보기

연습 안내

  • 이진 분류에 사용하는 손실 함수를 정의하고 criterion으로 저장하세요.
  • 학습 루프 시작 시 그래디언트를 0으로 초기화하세요.
  • 루프 끝에서 파라미터를 업데이트하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Define the loss function
criterion = nn.____()
optimizer = optim.SGD(model.parameters(), lr=0.1)

for epoch in range(10):
    for sentence, label in data:     
        # Clear the gradients
        model.____()
        sentence = torch.LongTensor([word_to_ix.get(w, 0) for w in sentence]).unsqueeze(0) 
        label = torch.LongTensor([int(label)])
        outputs = model(sentence)
        loss = criterion(outputs, label)
        loss.backward()
        # Update the parameters
        ____.____()
print('Training complete!')
코드 편집 및 실행