or
Ця вправа є частиною курсу
У цьому розділі ви вивчите основи рекурентних нейронних мереж (RNN). Почнемо з передумов, далі розберемося, як інформація проходить крізь мережу, а наприкінці побачимо, як реалізувати такі моделі в Keras для задачі класифікації тональності.
Ви дізнаєтеся про проблеми зникних і вибухових градієнтів, що часто трапляються в RNN, і як розв'язувати їх за допомогою осередків GRU та LSTM. Крім того, ви створите шари embedding для мовних моделей і ще раз повернетеся до задачі класифікації тональності.
Далі, у цьому розділі ви навчитеся готувати дані для задачі багатокласової класифікації, а також зрозумієте різницю між багатокласовою та бінарною класифікацією (аналіз тональності). Насамкінець ви створите моделі в Keras і навчитеся оцінювати їхню якість.
Цей розділ знайомить вас із двома застосунками моделей RNN: генерацією тексту та нейронним машинним перекладом. Ви навчитеся готувати текстові дані до формату, потрібного моделям. Модель генерації тексту використовується для відтворення манери мовлення персонажа, і ми трохи розважимося, наслідуючи Шелдона з «Теорії Великого вибуху». Нейронний машинний переклад, наприклад, застосовує Google Translate у значно складнішій моделі. У цьому розділі ви створите модель, що перекладає короткі португальські фрази англійською.
Поточна вправа