Kom igångKom igång gratis

Din första RNN-modell

I den här övningen använder du Keras-moduler för att bygga din första RNN-modell och klassificera sentiment i filmrecensioner.

Modellen består av ett rekurrent lager med den grundläggande RNN-cellen SimpleRNN, samt ett utdatalager med två möjliga värden: 0 för negativt sentiment och 1 för positivt sentiment.

Du arbetar med datamängden IMDB från keras.datasets. En modell har redan tränats och dess vikter sparats i filen model_weights.h5. Du bygger modellens arkitektur och utvärderar prestandan med de förinstansierade variablerna x_test och y_test.

Den här övningen är en del av kursen

Återkommande neurala nätverk (RNN) för språkmodellering med Keras

Visa kurs

Övningsinstruktioner

  • Lägg till en SimpleRNN-cell med 128 enheter.
  • Lägg till ett Dense-lager med en enhet för sentimentklassificering.
  • Använd rätt förlustfunktion för binär klassificering.
  • Utvärdera modellen på det förtränade valideringsunderlaget: (x_test, y_test).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Build model
model = Sequential()
model.add(____(units=____, input_shape=(None, 1)))
model.add(Dense(____, activation='sigmoid'))
model.compile(loss='____', 
              optimizer='adam',
              metrics=['accuracy'])

# Load pre-trained weights
model.load_weights('model_weights.h5')

# Method '.evaluate()' shows the loss and accuracy
loss, acc = model.evaluate(____, ____, verbose=0)
print("Loss: {0} \nAccuracy: {1}".format(loss, acc))
Redigera och kör kod