الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

نص cnn

هذا الرمز ينفذ الشبكات العصبية التلافيفية لنماذج تصنيف الجملة.

  • الشكل 1: توضيح بنية CNN لتصنيف الجملة

الشكل 1

متطلبات

  • بيثون 3.6
  • Tensorflow 1.4
  • HB-Config (تهيئة Singleton)
  • TQDM
  • الطلبات
  • URL Webhook Webhook الركود

هيكل المشروع

مشروع init بواسطة HB-Base 

 .
├── config                  # Config files (.yml, .json) using with hb-config
├── data                    # dataset path
├── notebooks               # Prototyping with numpy or tf.interactivesession
├── scripts                 # download or prepare dataset using shell scripts
├── text-cnn                # text-cnn architecture graphs (from input to logits)
    ├── __init__.py             # Graph logic
├── data_loader.py          # raw_date -> precossed_data -> generate_batch (using Dataset)
├── hook.py                 # training or test hook feature (eg. print_variables)
├── main.py                 # define experiment_fn
├── model.py                # define EstimatorSpec
└── predict.py              # test trained model

المرجع: HB-Config ، مجموعة البيانات ، التجارب_

  • مجموعة البيانات: RT-Polarity ، تحليل المشاعر على مراجعات الأفلام

تودو

  • تطبيق inmbed_type
    • سي إن إن راند
    • CNN-Static
    • CNN-nonstatic
    • CNN-Multichannel

تكوين

مثال: kaggle_movie_review.yml 

 data :
  type : ' kaggle_movie_review '
  base_path : ' data/ '
  raw_data_path : ' kaggle_movie_reviews/ '
  processed_path : ' kaggle_processed_data '
  testset_size : 25000
  num_classes : 5
  PAD_ID : 0

model :
  batch_size : 64
  embed_type : ' rand '     # (rand, static, non-static, multichannel)
  pretrained_embed : " " 
  embed_dim : 300
  num_filters : 256
  filter_sizes :
    - 2
    - 3
    - 4
    - 5
  dropout : 0.5

train :
  learning_rate : 0.00005
  
  train_steps : 100000
  model_dir : ' logs/kaggle_movie_review '
  
  save_checkpoints_steps : 1000
  loss_hook_n_iter : 1000
  check_hook_n_iter : 1000
  min_eval_frequency : 1000
  
slack :
  webhook_url : " "   # after training notify you using slack-webhook

الاستخدام

تثبيت المتطلبات.

pip install -r requirements.txt

ثم ، قم بإعداد مجموعة البيانات وقم بتدريبها. 

 sh prepare_kaggle_movie_reviews.sh
python main.py --config kaggle_movie_review --mode train_and_evaluate

بعد التدريب ، يمكنك محاولة كتابة الجمل ما تريد استخدامه predict.py .

python python predict.py --config rt-polarity

توقع مثال 

 python predict.py --config rt-polarity
Setting max_seq_length to Config : 62
load vocab ...
Typing anything :)

> good
1
> bad
0

أوضاع التجارب

✅: العمل
◽: لم يتم اختباره بعد.

  • ✅ evaluate : تقييم بيانات التقييم.
  • ◽ extend_train_hooks : يمتد الخطافات للتدريب.
  • ◽ reset_export_strategies : إعادة تعيين استراتيجيات التصدير باستخدام New_export_strategies.
  • ◽ run_std_server : يبدأ خادم TensorFlow وينضم إلى مؤشر ترابط التقديم.
  • ◽ test : اختبارات التدريب وتقييم وتصدير المقدر لخطوة واحدة.
  • ✅ train : قم بتناسب المقدر باستخدام بيانات التدريب.
  • ✅ train_and_evaluate : التدريب والتقييم.

Tensorboard

tensorboard --logdir logs

  • لون الفئة

الفئة

  • RT-Polarity (التصنيف الثنائي)

الصور

  • kaggle_movie_review (تصنيف متعدد المراحل)

الصور

مرجع

  • تنفيذ CNN لتصنيف النص في TensorFlow بواسطة Denny Britz
  • ورقة - الشبكات العصبية التلافيفية لتصنيف الجملة (2014) بقلم y كيم
  • ورقة - تحليل حساسية للشبكات العصبية التلافيفية (ودليل الممارسين) لتصنيف الجملة (2015) y Zhang
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل