cnn text classification pytorch

Einführung

Dies ist die Implementierung von Kims Faltungsnetzwerken für Satzklassifizierungspapier in Pytorch.

1. Kims Implementierung des Modells in Theano: https://github.com/yoonkim/cnn_sentence
2. Denny Britz hat eine Implementierung in TensorFlow: https://github.com/dennybritz/cnn-text-classification-tf
3. Alexander Rakhlins Umsetzung in Keras; https://github.com/alexander-rakhlin/cnn-for--sence-classification-in-keras

Erfordernis

• Python 3
• Pytorch> 0,1
• Torchtext> 0,1
• Numpy

Ergebnis

Ich habe gerade zwei Datensatz ausprobiert, MR und SST.

Datensatz	Klassengröße	Bestes Ergebnis	Kims Papierergebnis
HERR	2	77,5%(CNN-RAND-STATIC)	76,1%(cnn-rand-nostatisch)
Sst	5	37,2%(CNN-RAND-STATIC)	45,0%(CNN-Rand-Nostatic)

Ich habe die Hyperparameter für SST nicht ernsthaft angepasst.

Verwendung

 ./main.py -h

oder

 python3 main.py -h

Sie werden:

 CNN text classificer

optional arguments:
  -h, --help            show this help message and exit
  -batch-size N         batch size for training [default: 50]
  -lr LR                initial learning rate [default: 0.01]
  -epochs N             number of epochs for train [default: 10]
  -dropout              the probability for dropout [default: 0.5]
  -max_norm MAX_NORM    l2 constraint of parameters
  -cpu                  disable the gpu
  -device DEVICE        device to use for iterate data
  -embed-dim EMBED_DIM
  -static               fix the embedding
  -kernel-sizes KERNEL_SIZES
                        Comma-separated kernel size to use for convolution
  -kernel-num KERNEL_NUM
                        number of each kind of kernel
  -class-num CLASS_NUM  number of class
  -shuffle              shuffle the data every epoch
  -num-workers NUM_WORKERS
                        how many subprocesses to use for data loading
                        [default: 0]
  -log-interval LOG_INTERVAL
                        how many batches to wait before logging training
                        status
  -test-interval TEST_INTERVAL
                        how many epochs to wait before testing
  -save-interval SAVE_INTERVAL
                        how many epochs to wait before saving
  -predict PREDICT      predict the sentence given
  -snapshot SNAPSHOT    filename of model snapshot [default: None]
  -save-dir SAVE_DIR    where to save the checkpoint

Zug

 ./main.py

Sie werden:

 Batch[100] - loss: 0.655424  acc: 59.3750%
Evaluation - loss: 0.672396  acc: 57.6923%(615/1066) 

Prüfen

Wenn Sie Konstrukt -Testsatz haben, machen Sie Tests wie:

 /main.py -test -snapshot="./snapshot/2017-02-11_15-50-53/snapshot_steps1500.pt

Die Option Snapshot bedeutet, dass Ihr Modell von Ihrem Modell geladen wird. Wenn Sie es nicht zuweisen, beginnt das Modell von vorne.

Vorhersagen

• Beispiel1

   ./main.py -predict="Hello my dear , I love you so much ." 
             -snapshot="./snapshot/2017-02-11_15-50-53/snapshot_steps1500.pt" 
  

  Sie werden:

   Loading model from [./snapshot/2017-02-11_15-50-53/snapshot_steps1500.pt]...
   
   [Text]  Hello my dear , I love you so much .
   [Label] positive
  

• Beispiel2

   ./main.py -predict="You just make me so sad and I have to leave you ."
             -snapshot="./snapshot/2017-02-11_15-50-53/snapshot_steps1500.pt" 
  

  Sie werden:

   Loading model from [./snapshot/2017-02-11_15-50-53/snapshot_steps1500.pt]...
   
   [Text]  You just make me so sad and I have to leave you .
   [Label] negative
  

Ihr Text muss durch Raum und sogar Zeichensetzung getrennt sein. Und Ihr Text sollte länger als die Größe des Maximalkerns.

Referenz

• Faltungsnetzwerke für die Satzklassifizierung