我是Keras的新手。
我的目标是为推文创建用于情感分析的神经网络多分类。
我在Sequential
中使用Keras
来建立模型。
我想在模型的第一层(尤其是gloVe
)中使用经过预训练的词嵌入。
这是我目前的模型:
model = Sequential()
model.add(Embedding(vocab_size, 300, weights=[embedding_matrix], input_length=max_length, trainable=False))
model.add(LSTM(100, stateful=False))
model.add(Dense(8, input_dim=4, activation='relu'))
model.add(Dense(3, activation='softmax'))
embedding_matrix
由来自文件glove.840B.300d.txt
的向量填充由于我向神经网络模型输入的是句子(或tweets),在参考了一些理论之后,我希望在获取tweet中的每个单词向量之后,在Embedding层之后的层中对句子的单词向量进行平均。
当前我使用的是
LSTM
,我想用这种平均技术或p-means
代替它。我在keras
文档中找不到此内容。我不确定这是否是问这个问题的正确地点,但是所有帮助将不胜感激。
最佳答案
您可以使用Keras后端的mean
函数并将其包装在Lambda
层中,以平均嵌入单词。
import keras
from keras.layers import Embedding
from keras.models import Sequential
import numpy as np
# Set parameters
vocab_size=1000
max_length=10
# Generate random embedding matrix for sake of illustration
embedding_matrix = np.random.rand(vocab_size,300)
model = Sequential()
model.add(Embedding(vocab_size, 300, weights=[embedding_matrix],
input_length=max_length, trainable=False))
# Average the output of the Embedding layer over the word dimension
model.add(keras.layers.Lambda(lambda x: keras.backend.mean(x, axis=1)))
model.summary()
给出:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
embedding_6 (Embedding) (None, 10, 300) 300000
_________________________________________________________________
lambda_6 (Lambda) (None, 300) 0
=================================================================
Total params: 300,000
Trainable params: 0
Non-trainable params: 300,000
此外,可以使用
Lambda
层包装对Keras层中的张量进行运算的任意函数,并将其添加到模型中。如果您使用TensorFlow后端,那么您还可以访问tensorflow操作:import tensorflow as tf
model = Sequential()
model.add(Embedding(vocab_size, 300, weights=[embedding_matrix],
input_length=max_length, trainable=False))
model.add(keras.layers.Lambda(lambda x: tf.reduce_mean(x, axis=1)))
# same model as before
这可以帮助实现更多的自定义平均功能。