เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างโมเดลสำหรับสร้างข้อความ

ในแบบฝึกหัดนี้ คุณจะกำหนดโมเดลสำหรับสร้างข้อความโดยใช้ Keras

ตัวแปร n_vocab ที่เก็บขนาดคลังคำศัพท์ และ input_shape ที่เก็บรูปร่างของข้อมูลที่ใช้ในการฝึก ถูกโหลดไว้ในสภาพแวดล้อมแล้ว นอกจากนี้ ค่าน้ำหนักของโมเดลที่ฝึกไว้ล่วงหน้ายังมีอยู่ในไฟล์ model_weights.h5 โดยโมเดลนี้ถูกฝึกด้วย 40 epochs บนข้อมูลฝึก ทบทวนว่าการฝึกโมเดลใน Keras นั้นใช้เมธอด .fit() กับข้อมูลฝึก (X, y) และพารามิเตอร์ epochs ตัวอย่างเช่น:

model.fit(X_train, y_train, epochs=40)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Recurrent Neural Networks (RNNs) สำหรับ Language Modeling ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เพิ่ม layer LSTM หนึ่ง layer ที่ส่งคืนลำดับข้อมูล
  • เพิ่ม layer LSTM หนึ่ง layer ที่ไม่ส่งคืนลำดับข้อมูล
  • เพิ่ม output layer ที่มี n_vocab units
  • แสดง summary ของโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate the model
model = Sequential(name="LSTM model")

# Add two LSTM layers
model.add(____(64, input_shape=input_shape, dropout=0.15, recurrent_dropout=0.15, return_sequences=____, name="Input_layer"))
model.add(____(64, dropout=0.15, recurrent_dropout=0.15, return_sequences=____, name="LSTM_hidden"))

# Add the output layer
model.add(Dense(____, activation='softmax', name="Output_layer"))

# Compile and load weights
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.load_weights('model_weights.h5')
# Summary
model.____
แก้ไขและรันโค้ด