使用keras框架构建模型。
keras中的主要数据结构是model(模型),它提供定义完整计算图的方法。通过将图层添加到现有模型/计算图,我们可以构建出复杂的神经网络。
代码中使用的为
model = Sequential()
Sequential模型可以构建非常复杂的神经网络,包括全连接神经网络、卷积神经网络(CNN)、循环神经网络(RNN)等等。
Sequential更准确的应该理解为堆叠,通过堆叠许多层,构建出深度神经网络。
Sequential模型的核心操作是添加layers(图层)
参考1:主页 - Keras 中文文档
参考2:理解keras中的sequential模型_云水木石-CSDN博客_sequential()
参考3:keras系列︱Sequential与Model模型、keras基本结构功能(一)_素质云笔记-CSDN博客_sequential
1、CNN
"""配置参数"""
N = 25000 # 最大词数
input_dim = N + 1 # 词库大小
output_dim = 100 # 词嵌入维度
kernel_size = 7 # 卷积核大小
units = filters = 64 # RNN神经元数量、卷积滤波器数量
maxlen = 100 # 序列长度
batch_size = 64 # 每批数据量大小
epochs = 20 # 训练最大轮数
verbose = 2 # 训练过程展示
patience = 10 # 没有进步的训练轮数
callbacks = [EarlyStopping('val_acc', patience=patience)]
C = [1.0,2.0]
num_classes = len(C)
DISCARD_FLAG = {'c', 'd', 'e',