Keras में RNN का परिचय

Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)

David Cecchini

Data Scientist

keras क्या है?

हाई-लेवल API
Tensorflow 2 के ऊपर चलता है
इंस्टॉल और उपयोग करना आसान

$pip install tensorflow

तेज़ एक्सपेरिमेंटेशन:

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

keras.models

keras.models.Sequential

keras मॉडलों की Sequential क्लास का संक्षिप्त आरेख. हर लेयर इनपुट से आउटपुट तक क्रम में जुड़ती है.

keras.models.Model

keras मॉडलों की Model क्लास का संक्षिप्त आरेख. इसमें मल्टिपल इनपुट और आउटपुट हो सकते हैं, जिससे अधिक जटिल आर्किटेक्चर संभव हैं.

keras.layers

LSTM
GRU
Dense
Dropout
Embedding
Bidirectional

keras.preprocessing

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

टेक्स्ट padding का उदाहरण. यदि टेक्स्ट padding साइज से छोटा है तो शुरुआत में "0" टोकन जोड़ा जाएगा, और यदि बड़ा है तो आखिरी शब्द हटेंगे.

keras.datasets

कई उपयोगी डेटासेट

IMDB Movie reviews
Reuters newswire

और भी!

पूरी सूची और उदाहरण के लिए keras documentation देखें

मॉडल बनाना

# 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'])

मॉडल ट्रेनिंग

मेथड .fit() मॉडल को training सेट पर ट्रेन करती है

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

epochs तय करते हैं कि मॉडल पर कितने weight अपडेट होंगे
batch_size हर स्टेप पर डेटा का साइज

मॉडल इवैल्यूएशन और उपयोग

मॉडल का मूल्यांकन करें:

model.evaluate(X_test, y_test)

[0.3916562925338745, 0.89324]

नए डेटा पर प्रिडिक्शन करें:

model.predict(new_data)

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

फुल उदाहरण: IMDB Sentiment Classification

# 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)

अभ्यास करने का समय!

Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)