python需要掌握的词汇量_如何限制LSTM的词汇量？

我想有一个只预测某个句法范畴的模型，比如动词，我能更新LSTM的权重，这样如果这个词是动词，它们就被设置为1，如果是其他类别，则设置为0？在

这是我当前的代码：model = Sequential()

model.add(Embedding(vocab_size, embedding_size, input_length=5, weights=[pretrained_weights]))

model.add(Bidirectional(LSTM(units=embedding_size)))

model.add(Dense(2000, activation='softmax'))

for e in zip(model.layers[-1].trainable_weights, model.layers[-1].get_weights()):

print('Param %s:\n%s' % (e[0], e[1]))

weights = [layer.get_weights() for layer in model.layers]

print(weights)

print(model.summary())

# compile network

model.compile(loss='categorical_crossentropy',

optimizer = RMSprop(lr=0.001),

metrics=['accuracy'])

# fit network

history = model.fit(X_train_fit, y_train_fit, epochs=100, verbose=2, validation_data=(X_val, y_val))

score = model.evaluate(x=X_test, y=y_test, batch_size=32)

以下是我要返回的重量：

^{pr2}$

等等。

我可以通过更新权重来完成吗？或者有没有一种更有效的方法可以只输出动词？

谢谢你的帮助！在