本文主要介绍使用卷积神经网络进行序列处理。
下面是示例代码:
# coding: utf-8
# In[2]:
'''
使用convnet进行序列处理:
在Keras中,通过`Conv1D`层使用1D convnet,它具有与`Conv2D`非常相似的接口。
它需要具有shape`(样本,时间,特征)的3D张量输入,并且还返回类似形状的3D张量。
卷积窗口是时间轴上的1D窗口,输入张量中的轴1。
构建一个简单的2层1D convnet,并将其应用于IMDB情感分类任务。
这是获取和预处理数据的代码
'''
from keras.datasets import imdb
from keras.preprocessing import sequence
max_features = 10000 # 作为特征的单词数量
maxlen = 500 # 之后的文本全部截断
print('Loading data ...')
# In[5]:
(x_train, y_train), (x_test, y_test) = imdb .load_data(num_words=max_features)
print(len(x_train), 'train sequences')
print(len(x_test), 'test sequences')
# In[8]: