字符级CNN分类模型的实现

最新推荐文章于 2024-05-25 09:56:34 发布

原创

最新推荐文章于 2024-05-25 09:56:34 发布 · 707 阅读

2 ·

CC 4.0 BY-SA版权

该博客介绍了如何实现字符级CNN分类模型，基于论文1509.01626，包括模型结构、数据集处理、配置、训练和测试过程。作者分享了项目的GitHub链接，提供了一个包含6个卷积层和3个全连接层的网络结构，并展示了训练和测试的结果，准确率达到0.8789。

上次发了一条字符级分类模型的推文，

这两天在家里就是对字符级CNN分类论文进行了代码实现：1509.01626 Character-level Convolutional Networks for Text Classification

项目代码见：https://github.com/howie6879/charcnntext_classification

项目环境：

Python3.6
Anaconda+Pipenv管理

使用

# 下载代码	
git clone https://github.com/howie6879/char_cnn_text_classification.git	
# 利用anaconda建立Python3.6环境 	
conda create -n python36 python=3.6	
# 进入项目 	
cd char_cnn_text_classification	
# --python 后面的路径是上面conda创建的路径地址	
pipenv install --python  ~/anaconda3/envs/python36/bin/python3.6	
# 如果出错 否则跳过这段	
pipenv run pip install pip==18.0	
# 安装依赖 具体以来可查看Pipenv文件	
pipenv install	
# 进入代码目录	
cd char_cnn_text_classification