模型学习的套路

我的学习套路(lstm做文本分类为例)

0. 下载github代码

git clone gihub地址

先把代码下载到本地
1. 数据有哪些？
2. 目标有哪些？
3. 数据input 是什么样的，一个batch 怎么获取。

3.1 数据预处理：其实就是 切词形成高频词表，把停用词去掉。

3.2 把训练数据顶一个最长的长度限制，超过截取。然后把每个句子变成词典id序列。同时把每个词(term)形成一个128维度(可以是64/128/100/256)的向量。 此时就把 每条训练数据先变成ids ，再变成向量组，可以是zero的向量组。

3.3 把label的值，做成one-hot的形式，是个向量。
4. 数据是怎么流向的。
5. 模型结构。

在使用多层RNN需要注意的地方：在使用单层RNN时，embedding_dim和hidden_dim在数值上可以不一致，但涉及到多层的时候，需要将两者的数值相等，否则会报错
6. loss function是什么？这个其实最重要，但往往被忽略
7. 如何测试。