遷移學習的起點
在這個練習中，你會看到以預先訓練的向量作為模型起點的好處。
你將比較兩個模型在訓練 2 個 epoch 後的準確率。這兩個模型的架構相同：1 個 embedding 層、1 個具有 128 個單元的 LSTM 層，以及 1 個輸出層（5 個單元，對應範例資料的類別數）。不同之處在於，其中一個模型在 embedding 層使用了預先訓練的向量（遷移學習），另一個則沒有。
所使用的預先訓練向量是 GloVE，維度為 200。兩個模型在驗證集上的訓練準確率歷程分別儲存在變數 history_no_emb 與 history_emb 中。
本練習屬於課程
使用 Keras 建立語言模型的循環神經網路（RNN）
練習說明
- 將模組
matplotlib.pyplot以plt名稱匯入。 - 將「未使用 embeddings 的模型」的準確率列表加入圖表。
- 將「使用 embeddings 的模型」的準確率列表加入圖表。
- 使用
.show()方法顯示圖表。
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。
# Import plotting package
import matplotlib.____ as ____
# Insert lists of accuracy obtained on the validation set
plt.plot(____['acc'], marker='o')
plt.plot(history_emb[____], marker='o')
# Add extra descriptions to plot
plt.title('Learning with and without pre-trained embedding vectors')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['no_embeddings', 'with_embeddings'], loc='upper left')
# Display the plot
plt.____