Keras学习---RNN模型建立篇

本例子是“IMDB sentiment classification task”，用单层LSTM实现。

1. 输入数据预处理
输入文本数据统一规整到长度maxlen=80个单词，为什么呢？

是不是长度太长时训练容易发散掉，这样就限制了记忆的长度了。
x_train = sequence.pad_sequences(x_train, maxlen=maxlen)

有没有动态的呢？因为输入的句子长度本身是动态长度的。

2. Embedding layer

代码中，max_features=20000对应的是词汇量大小。

关于Embedding Vector,如果是中文的，怎么处理呢？

在RNN训练过程中Embedding Vector是否也参与了训练呢？如何选择？

3. 关于RNN的模型架构的理解

Embedding Vector是128维的，隐层是128个节点（也可以是其他数值）。

Embedding Vector与隐层的节点是全连接的，隐层每个节点自带存储单元的。

在这个128节点的隐层之上，有一个Dense节点。这个Dense节点是和128节点的隐层全连接的。

Foward过程就是每次输入80个单词中的一个，直到最后一个单词输入结束，Dense节点最终的输出就是估计的Y值了

完整代码如下：

'''Trains a LSTM on the IMDB sentiment classification task.The dataset is actually too small for LSTM to be of any advantagecompared to simpler, much faster methods such as TF-IDF + LogReg.Notes:- RNNs are tricky. Choice of batch size is important,choice of loss and optimizer is critical, etc.Some configurations won't converge.- LSTM loss decrease patterns during training can be quite differentfrom what you see with CNNs/MLPs/etc.'''from __future__ import print_functionfrom keras.preprocessing import sequencefrom keras.models import Sequentialfrom keras.layers import Dense, Embeddingfrom keras.layers import LSTMfrom keras.datasets import imdbmax_features = 20000maxlen = 80  # cut texts after this number of words (among top max_features most common words)batch_size = 32print('Loading data...')(x_train, y_train), (x_test, y_test) = imdb.load_data(nb_words=max_features)print(len(x_train), 'train sequences')print(len(x_test), 'test sequences')print('Pad sequences (samples x time)')x_train = sequence.pad_sequences(x_train, maxlen=maxlen)x_test = sequence.pad_sequences(x_test, maxlen=maxlen)print('x_train shape:', x_train.shape)print('x_test shape:', x_test.shape)print('Build model...')model = Sequential()model.add(Embedding(max_features, 128))#model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))
model.add(LSTM(128))model.add(Dense(1, activation='sigmoid'))# try using different optimizers and different optimizer configsmodel.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])print('Train...')model.fit(x_train, y_train,batch_size=batch_size,nb_epoch=15,validation_data=(x_test, y_test))score, acc = model.evaluate(x_test, y_test,batch_size=batch_size)print('Test score:', score)print('Test accuracy:', acc)

通过summary()得到的函数统计如下：

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to
====================================================================================================
embedding_3 (Embedding)          (None, None, 128)     2560000     embedding_input_1[0][0]
____________________________________________________________________________________________________
lstm_1 (LSTM)                    (None, 128)           131584      embedding_3[0][0]
____________________________________________________________________________________________________
dense_9 (Dense)                  (None, 1)             129         lstm_1[0][0]
====================================================================================================
Total params: 2,691,713
Trainable params: 2,691,713
Non-trainable params: 0

Keras学习---RNN模型建立篇相关推荐

cnn stride and padding_Tensorflow学习笔记- 模型建立与训练篇（CNN）
这次就用Keras实现下CNN 一. 预备知识--CNN[1] 1. 二维互相关(cross-correlation)运算:计算 , 属于输入数组, 属于卷积窗口,n和m取决于窗口的大小. 核数组(卷 ...
Keras学习---MLP和CNN模型建立篇
目前阶段,仅考虑线线性堆叠且单输出的网络结构,更复杂的网络有多任务(即多输出)的网络拓扑结构. 1. 最简单的MLP模型 model.add(Dense(512, input_shape=(784,) ...
【算法竞赛学习】气象海洋预测-Task4 模型建立之 TCNN+RNN
气象海洋预测-Task4 模型建立之 TCNN+RNN 该方案中采用的模型是TCNN+RNN. 在Task3中我们学习了CNN+LSTM模型,但是LSTM层的参数量较大,这就带来以下问题:一是参数量大 ...
【社区分享】从零开始学习 TinyML，建立 TensorFlow 深度学习模型（技术优化篇）
TinyML是什么?如何从零开始入门学习?本系列上一篇教程中,我们复习了 TinyML 的概念,完成了一个最简单的 ML 模型与微控制器运行.今天,本教程将与你探讨如何在实际的工程应用中对已建立的模型 ...
Keras学习笔记：函数式模型
目录: 目录: 函数式(Functional)模型第一个模型:全连接网络多输入和多输出模型让我们用函数式模型来实现这个框图共享层更多的例子 inception模型卷积层的残差连接共享视觉 ...
Keras学习笔记：序列式模型
目录: 目录: 快速开始序列(Sequential)模型指定输入数据的shape 编译训练例子用于序列分类的栈式LSTM 采用stateful LSTM的相同模型本系列参考官方文档官方文档 ...
深度学习模型建立过程_所有深度学习都是统计模型的建立
深度学习模型建立过程 Deep learning is often used to make predictions for data driven analysis. But what are th ...
Tensorflow.Keras 时序回归模型的建立
Learn from Keras官方网站目前tensorflow 2.0版本已经集成了keras的所有功能,所以直接安装tensorflow就可以调用Keras,非常方便. 作为Keras入门可以看 ...
keras 受限玻尔兹曼机_目前深度学习的模型有哪几种，适用于哪些问题？
深度学习的模型有很多, 目前开发者最常用的深度学习模型与架构包括 CNN.DBN.RNN.RNTN.自动编码器.GAN 等.雷锋网搜集整理了涉及以上话题的精品文章,供初学者参考,加速深度学习新手入门. ...

Keras学习---RNN模型建立篇

Keras学习---RNN模型建立篇相关推荐

最新文章

热门文章