1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie głębokie dla tekstu z PyTorch
Connected

ćwiczenie

Budowanie modelu RNN do klasyfikacji tekstu

Jako analityk danych w PyBooks często pracujesz z danymi sekwencyjnymi – takimi jak interakcje z klientami, szeregi czasowe czy dokumenty tekstowe. Rekurencyjne sieci neuronowe (RNN) doskonale sprawdzają się w analizie i wydobywaniu informacji z tego rodzaju danych. W tym ćwiczeniu zajmiesz się zbiorem danych Newsgroup, który został już wstępnie przetworzony i zakodowany. Zawiera on artykuły z różnych kategorii. Twoim zadaniem jest użycie sieci RNN do sklasyfikowania tych artykułów do trzech kategorii:

rec.autos, sci.med oraz comp.graphics.

Następujące elementy zostały już wczytane: torch, nn, optim.

Ponadto parametry input_size, hidden_size (32), num_layers (2) oraz num_classes są już wstępnie załadowane.

To i kolejne ćwiczenia korzystają ze zbioru danych fetch_20newsgroups z biblioteki sklearn.

Instrukcje

100 XP
  • Uzupełnij klasę RNN o warstwę RNN oraz w pełni połączoną warstwę liniową.
  • Zainicjalizuj model.
  • Wytrenuj model RNN przez dziesięć epok, zerując gradienty.