如何解决如何评估 Keras 嵌入层的准确性
我正在尝试使用 Keras 的嵌入层为我的数据集构建嵌入。拟合数据集后,我可以访问经过训练的嵌入权重,而我并不真正关心生成的模型。我有一个由两部分组成的问题:
-
由于模型的准确性是从分类层 (Conv1D) 计算出来的,它是否也专门适用于嵌入质量?例如,如果我将 Conv1D 与 LSTM 交换,这可能会产生更好的准确性。这是否意味着嵌入质量有所提高?
-
我见过网络设置非常基本的例子,即 [嵌入 - 扁平 - 密集]。添加 Conv1D/LSTM 层是否会以任何方式提高嵌入质量?
示例代码:
model = Sequential()
embedding_layer = Embedding(input_dim=Vocab_size,output_dim=8,input_length=max_length)
model.add(embedding_layer)
model.add(Flatten())
model.add(Conv1D(filters=256,kernel_size=5,padding='same',activation='relu',input_shape=(time_window_size,1)))
model.add(Dense(1,activation='sigmoid'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc'])
model.fit(padded_reviews,labels,epochs=100,verbose=0)
print(embedding_layer.embeddings)
谢谢
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。