cnn lstm bilstm deepcnn clstm in pytorch

Introducción

• Una tarea de clasificación implementada en Pytorch, contiene algunas redes neuronales en modelos.

• Recientemente, he lanzado el código.
  • Viejo de versiones-17 aquí
  • Versión de Pytorch == 0.3.1 Lanzamiento aquí

• Esta es una versión de mi propia arquitectura --- Pytorch-text-classification

• Bert para la clasificación de texto --- pytorch_bert_text_classification

Requisito

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

Uso

Modifique el archivo de configuración, consulte el directorio de configuración (aquí) para obtener detalles.

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

Modelo

Contiene algunas redes neuronales implementadas en Pytorch, consulte los modelos para obtener detalles.

Datos

SST-1 y SST-2.

Resultado

No he ajustado en serio los hiperparametros, también puedes ver el inicio de sesión de trenes aquí.

La siguiente precisión del conjunto de pruebas se basa en la mejor precisión del conjunto de desarrollo.

Datos/modelo	% SST-1	% SST-2
CNN	46.1086	84.2943
Bi-lstm	47.9186	86.3262
Bi-gru	47.6923	86.7655

Referencia

• 基于 Pytorch 的 CNN-LSTM 神经网络模型调参小结
• Redes neuronales convolucionales para la clasificación de oraciones
• Características de léxico sensible al contexto para el análisis de sentimientos neuronales