Keras文档程序分析 - 2

目录

基于LSTM的序列分类

关于词嵌入向量

关于LSTM

基于1D卷积的序列分析

关于全局平均池化（GlobalAveragePooling）

---

基于LSTM的序列分类

max_features = 1024
model = Sequential()
model.add(Embedding(max_features, output_dim=256))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=16, epochs=10)
score = model.evaluate(x_test, y_test, batch_size=16)

 

关于词嵌入向量

代码中，Embedding是将正整数转换为固定尺寸的稠密向量。

使用数学模型处理文本语料的第一步就是把文本转换成数学表达，有两种方法。第一种方法可以通过one-hot矩阵表示一个单词，one-hot矩阵是指每一行有且只有一个元素为1，其余元素为0的矩阵，例如：

one-hot的表示方式很直观，但是有两个缺点：