BaşlayınÜcretsiz başlayın

Embedding'ler performansı artırır

Gömme (embedding) katmanı modelin doğruluğunu artırır mı? Hadi aynı IMDB verisiyle kontrol edelim.

Model, simpleRNN hücreli önceki modelde olduğu gibi 10 epoch ile zaten eğitildi. Modelleri karşılaştırmak için ortamda bir test kümesi (X_test, y_test) ve eski model simpleRNN_model hazır. Eski modelin doğruluğu acc_SimpleRNN değişkenine yüklenmiş durumda.

Gerekli tüm modül ve fonksiyonlar ortamda yüklü: keras.models içinden Sequential(), keras.layers içinden Embedding ve Dense, ayrıca keras.layers içinden SimpleRNN.

Bu egzersiz, kursun bir parçasıdır

Keras ile Dil Modellemesi için Yinelenen Sinir Ağları (RNN)

Kursa Göz Atın

Egzersiz talimatları

  • Modele embedding katmanını ekle.
  • Modelin doğruluğunu hesapla ve acc_embeddings değişkeninde sakla.
  • Eski ve yeni modellerin doğruluğunu yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create the model with embedding
model = Sequential(name="emb_model")
model.add(____(input_dim=max_vocabulary, output_dim=wordvec_dim, input_length=max_len))
model.add(SimpleRNN(units=128))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

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

# Evaluate the models' performance (ignore the loss value)
_, ____ = model.evaluate(X_test, y_test, verbose=0)

# Print the results
print("SimpleRNN model's accuracy:\t{0}\nEmbeddings model's accuracy:\t{1}".format(acc_simpleRNN, ____))
Kodu Düzenle ve Çalıştır