BaşlayınÜcretsiz başlayın

Metin için bir CNN modeli eğit

TextClassificationCNN sınıfını tanımladığın için tebrikler. PyBooks şimdi modeli eğitip kitap incelemelerinin duygu analizinde daha doğru sonuçlar almak istiyor.

Aşağıdaki paketler senin için içe aktarıldı: torch, torch.nn nn olarak, torch.nn.functional F olarak, torch.optim optim olarak.

vocab_size ve embed_dim argümanlarıyla oluşturulmuş bir TextClassificationCNN() örneği de yüklenip model olarak kaydedildi.

Bu egzersiz, kursun bir parçasıdır

PyTorch ile Metin için Deep Learning

Kursa Göz Atın

Egzersiz talimatları

  • İkili sınıflandırmada kullanılan bir kayıp fonksiyonu tanımla ve criterion olarak kaydet.
  • Eğitim döngüsünün başında gradyanları sıfırla.
  • Döngünün sonunda parametreleri güncelle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Define the loss function
criterion = nn.____()
optimizer = optim.SGD(model.parameters(), lr=0.1)

for epoch in range(10):
    for sentence, label in data:     
        # Clear the gradients
        model.____()
        sentence = torch.LongTensor([word_to_ix.get(w, 0) for w in sentence]).unsqueeze(0) 
        label = torch.LongTensor([int(label)])
        outputs = model(sentence)
        loss = criterion(outputs, label)
        loss.backward()
        # Update the parameters
        ____.____()
print('Training complete!')
Kodu Düzenle ve Çalıştır