1. Nauka
    2. /
  2. Kursy
    3. /
  3. Rekurencyjne sieci neuronowe (RNN) do modelowania języka w Keras
Connected

ćwiczenie

Lepsza klasyfikacja sentymentu

W tym ćwiczeniu wracasz do problemu klasyfikacji sentymentu z rozdziału 1.

Dodasz do modelu większą złożoność i poprawisz jego dokładność. Użyjesz warstwy Embedding, aby wytrenować wektory słów na zbiorze treningowym, oraz dwóch warstw LSTM, które umożliwią śledzenie dłuższych tekstów. Dodasz też dodatkową warstwę Dense przed wyjściem.

To już nie jest prosty model, a trenowanie może chwilę potrwać. Z tego powodu dostępny jest wstępnie wytrenowany model – możesz załadować jego wagi metodą .load_weights() z klasy keras.models.Sequential. Model był trenowany przez 10 epok, a jego wagi są zapisane w pliku model_weights.h5.

W środowisku załadowane są następujące moduły: Sequential, Embedding, LSTM, Dropout, Dense.

Instrukcje

100 XP
  • Dodaj warstwę Embedding jako pierwszą warstwę modelu.
  • Dodaj drugą warstwę LSTM z 64 jednostkami, która zwraca (returning) sekwencje.
  • Dodaj dodatkową warstwę Dense z 16 jednostkami.
  • Oceń model, aby wyświetlić dokładność na zbiorze treningowym.