BaşlayınÜcretsiz başlayın

LSTM modelini kur

Metin dizilerini çoktan hazırladın. Şimdi LSTM modelini kurma zamanı!

Unutma, dizilerin her biri 4 kelimelikti; modelin her dizinin ilk üç kelimesi üzerinde eğitilecek ve 4. kelimeyi tahmin edecek. Kelimeleri anlamlı vektörlere dönüştürmeyi öğrenecek bir Embedding katmanı kullanacaksın. Bu vektörler basit bir LSTM katmanına aktarılacak. Çıktımız, sözlükteki kelime sayısı kadar nörona ve softmax aktivasyonuna sahip bir Dense katmanı. Bunun nedeni, tüm olası kelimeler arasından en olası bir sonraki kelimeyi elde etmek istememiz.

Kelimelerin sözlük boyutu (benzersiz kelime sayısı) vocab_size içinde saklanıyor.

Bu egzersiz, kursun bir parçasıdır

Keras ile Deep Learning'e Giriş

Kursa Göz Atın

Egzersiz talimatları

  • tensorflow.keras katmanlarından Embedding, LSTM ve Dense katmanlarını içe aktar.
  • Kelimeleri 8 boyutlu vektörlere dönüştürecek ve uzunluğu 3 olan dizileri alacak, sözlük boyutunda bir Embedding() katmanı ekle.
  • 32 nöronlu bir LSTM() katmanı ekle.
  • 32 nöronlu bir gizli Dense() katmanı ve softmax içeren vocab_size nöronlu bir çıktı katmanı ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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()
Kodu Düzenle ve Çalıştır