ПочатиПочніть безкоштовно

Створення моделі генерування тексту

У цій вправі ви визначите модель генерування тексту за допомогою Keras.

Змінні n_vocab, що містить розмір словника, і input_shape, що містить форму даних для навчання, уже завантажені в середовище. Також ваги попередньо навченої моделі доступні у файлі model_weights.h5. Модель було навчено протягом 40 епох на тренувальних даних. Нагадаємо, щоб навчити модель у Keras, достатньо викликати метод .fit() на тренувальних даних (X, y) і задати параметр epochs. Наприклад:

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

Ця вправа є частиною курсу

Recurrent Neural Networks (RNNs) для моделювання мови з Keras

Переглянути курс

Інструкції до вправи

  • Додайте один шар LSTM, що повертає послідовності.
  • Додайте один шар LSTM, що не повертає послідовності.
  • Додайте вихідний шар із кількістю вузлів n_vocab.
  • Відобразіть зведення моделі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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.____
Редагувати та запускати код