cnn lstm bilstm deepcnn clstm in pytorch

Einführung

• Eine in Pytorch implementierte Klassifizierungsaufgabe enthält einige neuronale Netzwerke in Modellen.

• Rezeption habe ich den Code veröffentlicht.
  • Old-Version-17- Veröffentlichung hier
  • Pytorch Version == 0.3.1 Veröffentlichung hier

• Dies ist eine Version meiner eigenen Architektur --- pytorch-textklassifizierung

• Bert für die Textklassifizierung --- pytorch_bert_text_classification

Erfordernis

 pyorch : 1.0.1
python : 3.6
torchtext: 0.2.1
cuda : 8.0 (support cuda speed up, can chose, default True)

Verwendung

Ändern Sie die Konfigurationsdatei und finden Sie im Konfigurationsverzeichnis (hier) für Details.

 1、python main.py
2、python main.py --config_file ./Config/config.cfg 
3、sh run.sh

Modell

Enthält einige neuronale Netze, die in Pytorch implementiert sind, siehe die Modelle für Details.

Daten

SST-1 und SST-2.

Ergebnis

Ich habe die Hyperparameter nicht ernst genommen. Sie können sich hier auch einen Zug anmelden.

Die folgende Testgenauigkeit basiert auf der besten Entwicklungsgenauigkeit.

Daten/Modell	% SST-1	% SST-2
CNN	46.1086	84.2943
Bi-lstm	47.9186	86.3262
Bi-Gru	47.6923	86.7655

Referenz

• 基于 pytorch 的 cnn-lstm 神经网络模型调参小结
• Faltungsnetzwerke für die Satzklassifizierung
• Kontextempfindliche Lexikonmerkmale für die neuronale Stimmungsanalyse