1. 학습
    2. /
  2. 강의
    3. /
  3. Keras로 배우는 언어 모델링을 위한 순환 신경망(RNN)
Connected

연습 문제

더 나은 감정 분류

이번 연습에서는 1장에서 다뤘던 감정 분류 문제로 돌아가 보겠습니다.

모델에 더 복잡도를 추가해 정확도를 높여 볼 거예요. 학습 데이터에서 단어 벡터를 학습하도록 Embedding 레이어를 사용하고, 더 긴 텍스트의 문맥을 추적하기 위해 두 개의 LSTM 레이어를 사용합니다. 또한 출력 전에 Dense 레이어를 하나 더 추가합니다.

이제 모델이 단순하지 않기 때문에 학습에 시간이 걸릴 수 있어요. 따라서 keras.models.Sequential 클래스의 .load_weights() 메서드로 가중치를 불러오는 사전 학습된 모델을 제공합니다. 이 모델은 10 epoch로 학습되었고 가중치는 model_weights.h5 파일에 있어요.

환경에는 다음 모듈이 로드되어 있습니다: Sequential, Embedding, LSTM, Dropout, Dense.

지침

100 XP
  • 모델의 첫 번째 레이어로 Embedding 레이어를 추가하세요.
  • 시퀀스를 return하도록 설정한 64 유닛의 두 번째 LSTM 레이어를 추가하세요.
  • 유닛 16개의 Dense 레이어를 하나 더 추가하세요.
  • 모델을 평가해 학습 데이터의 정확도를 출력하세요.