keras快速上手——学习笔记（五）循环神经网络训练情感分析

最新推荐文章于 2022-04-20 09:35:10 发布

无敌的白金之星

最新推荐文章于 2022-04-20 09:35:10 发布

阅读量677

点赞数

分类专栏： keras学习文章标签： LSTM Keras

本文链接：https://blog.csdn.net/m0_38106113/article/details/81478807

版权

本文通过Keras库使用LSTM进行情感分析，包括数据预处理、模型搭建和训练。在训练中发现存在过拟合，通过调整dropout参数有所改善，提高了测试集的准确性。

摘要由CSDN通过智能技术生成

1、导入模块

另外部分导入的在这里

from keras.layers import LSTM

2、预处理数据

参考这里

3、搭建模型

对于LSTM神经块输出的shape：
如果return_sequences=True：返回形如（samples，timesteps，output_dim）的3D张量
否则，返回形如（samples，output_dim）的2D张量
在keras开发文档中写明：
to stack recurrent layers, you must use return_sequences=True
为了堆叠循环图层，你需要使用return_sequences=True
到最后的全连接层就不再需要堆叠，所以不使用return_sequences=True

model = Sequential()
model.add(Embedding(vocab_size, 64, input_length = maxword))

model.add(LSTM(128, return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(64, return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(32))
model.add(Dropout(0.2))

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
print(model.summary())

运行结果：

Layer (type)                 Output Shape              Param #   
=================================================================
embedding_4 (Embedding)      (None, 400, 64)           5669568   
_________________________________________________________________
lstm_4 (LSTM)                (None, 400, 128)          98816     
_____