建立用於文字的 CNN 模型

PyBooks 已成功建立書籍推薦引擎。下一步是實作情緒分析模型，用來理解使用者評論，並深入掌握書籍偏好。

你將使用卷積神經網路（CNN）模型，根據情緒將文字資料（書評）做分類。

torch、torch.nn 為 nn，以及 torch.nn.functional 為 F 已為你載入。

本練習屬於課程

Deep Learning for Text with PyTorch

檢視課程

練習說明

在 __init__() 方法中初始化嵌入層（embedding layer）。
在 forward() 方法內，將卷積層 self.conv 套用到 embedded 文字上。
在 forward() 方法內，對這一層套用 ReLU 啟用函式。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

class TextClassificationCNN(nn.Module):
    def __init__(self, vocab_size, embed_dim):
        super(TextClassificationCNN, self).__init__()
        # Initialize the embedding layer 
        self.embedding = ____.____(vocab_size, embed_dim)
        self.conv = nn.Conv1d(embed_dim, embed_dim, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(embed_dim, 2)
    def forward(self, text):
        embedded = self.embedding(text).permute(0, 2, 1)
        # Pass the embedded text through the convolutional layer and apply a ReLU
        conved = ____.____(self.conv(____))
        conved = conved.mean(dim=2) 
        return self.fc(conved)

編輯並執行程式碼