构建用于文本的 CNN 模型

PyBooks 已成功构建了一套图书推荐引擎。下一步任务是实现情感分析模型，以理解用户评论并洞察图书偏好。

您将使用卷积神经网络（CNN）对文本数据（图书评论）按情感进行分类。

torch、torch.nn（简称 nn）以及 torch.nn.functional（简称 F）已为您加载。

本练习是课程的一部分

使用 PyTorch 的文本深度学习

查看课程

练习说明

在 __init__() 方法中初始化嵌入层。
在 forward() 方法中，将卷积层 self.conv 应用于 embedded 文本。
在 forward() 方法中，对该层应用 ReLU 激活函数。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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)

编辑并运行代码