Duygu Analizi CNN Modelini Test Etme

Model artık eğitildiğine göre, PyBooks yeni bazı kitap yorumları üzerinde performansını kontrol etmek istiyor.

Bir yorumdaki duygunun pozitif mi negatif mi olduğunu kontrol etmen gerekiyor.

Senin için şu paketler içe aktarıldı: torch, torch.nn nn takma adıyla, torch.nn.functional F takma adıyla, torch.optim optim takma adıyla.

Ayrıca vocab_size ve embed_dim argümanlarıyla oluşturulmuş bir TextClassificationCNN() örneği yüklendi ve model olarak kaydedildi.

Bu egzersiz

PyTorch ile Metin için Deep Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

book_reviews listesi üzerinde dolaşarak, her bir yorumdaki kelimeleri bir tensöre dönüştür.
Her bir input_tensor için modelin çıktısını al.
outputs.data içinden en olası duygu kategorisinin indeksini bul.
predicted_label öğesini çıkar ve 1 değeri "Positive" etiketi olacak şekilde bir duygu dizgesine dönüştür.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

book_reviews = [
    "I love this book".split(),
    "I do not like this book".split()
]
for review in book_reviews:
    # Convert the review words into tensor form
    input_tensor = ____.____([word_to_ix[w] for w in review], dtype=torch.long).unsqueeze(0) 
    # Get the model's output
    outputs = model(____)
    # Find the index of the most likely sentiment category
    _, predicted_label = ____.____(outputs.data, 1)
    # Convert the predicted label into a sentiment string
    sentiment = "Positive" if ____ else "Negative"
    print(f"Book Review: {' '.join(review)}")
    print(f"Sentiment: {sentiment}\n")

Kodu Düzenle ve Çalıştır