cnn text classification pytorch ดาวน์โหลด - cnn text classification pytorch ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

cnn text classification pytorch

หลาม

1.0.0

ดาวน์โหลด

การแนะนำ

นี่คือการดำเนินการตามเครือข่ายประสาทของคิมสำหรับกระดาษจำแนกประโยคใน Pytorch

การดำเนินการตามแบบจำลองของ Kim ใน Theano: https://github.com/yoonkim/cnn_sentence
Denny Britz มีการนำไปใช้ใน tensorflow: https://github.com/dennybritz/cnn-text-classification-tf
การดำเนินงานของ Alexander Rakhlin ใน Keras; https://github.com/alexander-rakhlin/cnn-for-sentence-classification-in-keras

ความต้องการ

Python 3
Pytorch> 0.1
Torchtext> 0.1
นม

ผลลัพธ์

ฉันเพิ่งลองชุดข้อมูลสองชุด MR และ SST

ชุดข้อมูล	ขนาดชั้นเรียน	ผลลัพธ์ที่ดีที่สุด	ผลกระดาษของคิม
นาย	2	77.5%(CNN-rand-static)	76.1%(CNN-rand-nostatic)
SST	5	37.2%(CNN-rand-static)	45.0%(CNN-rand-nostatic)

ฉันไม่ได้ปรับพารามิเตอร์ไฮเปอร์สำหรับ SST อย่างจริงจัง

การใช้งาน

 ./main.py -h

หรือ

 python3 main.py -h

คุณจะได้รับ:

 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

รถไฟ

 ./main.py

คุณจะได้รับ:

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

ทดสอบ

หากคุณสร้างชุดทดสอบคุณทำการทดสอบเช่น:

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

ตัวเลือกสแน็ปช็อตหมายถึงการโหลดโมเดลของคุณ หากคุณไม่ได้กำหนดรุ่นจะเริ่มจากศูนย์

ทำนาย

ตัวอย่างที่ 1

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

คุณจะได้รับ:

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

ตัวอย่าง 2

 ./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"

คุณจะได้รับ:

 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

ข้อความของคุณจะต้องคั่นด้วยอวกาศแม้กระทั่งเครื่องหมายวรรคตอนและข้อความของคุณควรใช้ขนาดเคอร์เนลสูงสุดอีกต่อไป