embedding_Keras嵌入层
程序员文章站
2022-06-13 15:59:40
...
Keras提供了一个嵌入层,可用于处理文本数据的神经网络。他要求输入数据进行整数编码,以便每个单词都由唯一的整数表示。该数据准备步骤可以使用提供有Keras的Tokenizer API来执行。
嵌入层使用随机权重初始化,并将学习所有数据集中词的嵌入。
它是一个灵活的层,可以以各种方式使用,如:
1、它可以单独使用来学习一个字嵌入,以后可以在另一个模型中使用。
2、它可以用作深度学习模型的一部分,其中嵌入与模型本身一起被学习。
3、它可以用于加载预训练的词嵌入模型,一种迁移学习。
嵌入层被定义为网络的第一个隐藏层,必须指定3个参数:
*input_dim:这是文本数据中词汇的大小。例如,如果你的数据是整数编码为0-10之间的值,则词表的大小将为11个字。
*output_dim:这是嵌入单词的向量空间的大小。它为每个单词定义了该层的输出向量的大小。例如,它可以是32或100甚至更大,根据问题来定。
*input_length:这是输入序列的长度,正如你为Keras模型的任何输入层定义的那样。例如如果你的输出文档包含1000个单词,则为1000。
例如,下面我们定义一个词汇量为200的嵌入层(例如,从0到199(包括整数)的整数编码单词),将词嵌入到32维的向量空间中,以及每次输入50个单词的输入文档。
e = Embedding(200, 32, input_length=50)
嵌入层输出的是一个二维向量,每个单词对应一个输入序列(输入文档)。如果希望连接密集层直接到嵌入层,必须首先压扁2D输出矩阵。
from keras.preprocessing.sequence import pad_sequences
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Flatten
from keras.layers.embeddings import Embedding
# define documents
docs = ['Well done!',
'Good work',
'Great effort',
'nice work',
'Excellent!',
'Weak',
'Poor effort!',
'not good',
'poor work',
'Could have done better.']
# define class labels
labels = [1,1,1,1,1,0,0,0,0,0]
# integer encode the documents
vocab_size = 50
encoded_docs = [one_hot(d, vocab_size) for d in docs]
print(encoded_docs)
# pad documents to a max length of 4 words
max_length = 4
padded_docs = pad_sequences(encoded_docs, maxlen=max_length, padding='post')
print(padded_docs)
# define the model
model = Sequential()
model.add(Embedding(vocab_size, 8, input_length=max_length))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))
# compile the model
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])
# summarize the model
print(model.summary())
# fit the model
model.fit(padded_docs, labels, epochs=50, verbose=0)
# evaluate the model
loss, accuracy = model.evaluate(padded_docs, labels, verbose=0)
print('Accuracy: %f' % (accuracy*100))
以下为实验结果:
[[33, 37], [18, 16], [31, 24], [33, 16], [5], [11], [34, 24], [11, 18], [34, 16], [48, 38, 37, 7]]
[[33 37 0 0]
[18 16 0 0]
[31 24 0 0]
[33 16 0 0]
[ 5 0 0 0]
[11 0 0 0]
[34 24 0 0]
[11 18 0 0]
[34 16 0 0]
[48 38 37 7]]
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
embedding_1 (Embedding) (None, 4, 8) 400
_________________________________________________________________
flatten_1 (Flatten) (None, 32) 0
_________________________________________________________________
dense_1 (Dense) (None, 1) 33
=================================================================
Total params: 433
Trainable params: 433
Non-trainable params: 0
_________________________________________________________________
None
Accuracy: 89.999998
Process finished with exit code 0