Keras içinde RNN’ye giriş

Keras ile Dil Modellemesi için Yinelenen Sinir Ağları (RNN)

David Cecchini

Data Scientist

Keras nedir?

Yüksek seviyeli API
TensorFlow 2 üzerinde çalışır
Kurulumu ve kullanımı kolay

$pip install tensorflow

Hızlı denemeler:

from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

keras.models

keras.models.Sequential

Keras’ın Sequential sınıfının makro gösterimi. Katmanlar girişten çıkışa sırayla eklenir.

keras.models.Model

Keras’ın Model sınıfının makro gösterimi. Bu sınıf birden çok girdi ve çıktıya sahip olabilir; daha karmaşık mimarilere izin verir.

keras.layers

LSTM
GRU
Dense
Dropout
Embedding
Bidirectional

keras.preprocessing

keras.preprocessing.sequence.pad_sequences(texts, maxlen=3)

Bazı metinlerde padding örneği. Metin, dolgu boyutundan kısaysa başına "0" belirteci eklenir; uzunsa son sözcükler çıkarılır.

keras.datasets

Birçok yararlı veri kümesi

IMDB film yorumları
Reuters haber bülteni

Ve daha fazlası!

Tam liste ve kullanım örnekleri için keras belgeleri bölümüne bakın

Model oluşturma

# Import required modules
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Instantiate the model class
model = Sequential()

# Add the layers
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))

# Compile the model
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])

Modeli eğitme

.fit() yöntemi modeli eğitim kümesi üzerinde eğitir

model.fit(X_train, y_train, epochs=10, batch_size=32)

epochs: modelde kaç ağırlık güncellemesi yapılacağı
batch_size: her adımda kullanılan veri boyutu

Model değerlendirme ve kullanım

Modeli değerlendir:

model.evaluate(X_test, y_test)

[0.3916562925338745, 0.89324]

Yeni veride tahmin yap:

model.predict(new_data)

array([[0.91483957],[0.47130653]], dtype=float32)

Tam örnek: IMDB Duygu Sınıflandırma

# Build and compile the model
model = Sequential()

model.add(Embedding(10000, 128))
model.add(LSTM(128, dropout=0.2))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Training
model.fit(x_train, y_train, epochs=5)

# Evaluation
score, acc = model.evaluate(x_test, y_test)

Haydi pratik yapalım!

Keras ile Dil Modellemesi için Yinelenen Sinir Ağları (RNN)