ÎncepețiÎncepe gratuit

Construiește modelul tău LSTM

Ai pregătit deja secvențele de text. Acum e momentul să construiești modelul LSTM!

Amintește-ți că secvențele tale aveau câte 4 cuvinte fiecare — modelul va fi antrenat pe primele trei cuvinte din fiecare secvență, prezicând cel de-al 4-lea. Vei folosi un strat Embedding care va învăța să transforme cuvintele în vectori semnificativi. Acești vectori vor fi apoi transmiși unui strat simplu LSTM. Ieșirea este un strat Dense cu atâția neuroni câte cuvinte există în vocabular și cu activarea softmax. Astfel, modelul va putea identifica cel mai probabil cuvânt următor dintre toate cuvintele posibile.

Dimensiunea vocabularului de cuvinte (numărul unic de cuvinte) este stocată în vocab_size.

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă straturile Embedding, LSTM și Dense din tensorflow.keras layers.
  • Adaugă un strat Embedding() de dimensiunea vocabularului, care va transforma cuvintele în vectori de 8 numere și va primi secvențe de lungime 3.
  • Adaugă un strat LSTM() cu 32 de neuroni.
  • Adaugă un strat ascuns Dense() cu 32 de neuroni și un strat de ieșire cu vocab_size neuroni și activarea softmax.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the Embedding, LSTM and Dense layer
from tensorflow.keras.____ import ____, ____, ____

model = Sequential()

# Add an Embedding layer with the right parameters
model.add(____(input_dim = ____, input_length = ____, output_dim = ____, ))

# Add a 32 unit LSTM layer
model.add(____(____))

# Add a hidden Dense layer of 32 units and an output layer of vocab_size with softmax
model.add(Dense(____, activation='relu'))
model.add(Dense(____, activation=____))
model.summary()
Editează și rulează codul