Bir Metin Sınıflandırıcısı Eğitme
Gömün, havuzlayın ve duygu tahmini yapın.
Bir Metin Sınıflandırıcısı Eğitme, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Hedef: Bir Etiket Tahmin Etmek
Bir metin sınıflandırıcısı bir cümleyi okur ve film incelemesindeki olumlu ya da olumsuz duygu gibi bir etiket tahmin eder. 🎬
Birinci Adım: Metni Kodlama
İşlem hattınızı yeniden kullanın: her incelemeyi belirteçlere ayırın ve belirteçleri kimliklere eşleyerek her cümleyi bir tamsayı listesine dönüştürün.
İkinci Adım: Kimlikleri Gömme
Bu kimlikleri bir embedding katmanına verin. Her inceleme, modelin işleyebileceği yoğun kelime vektörlerinden oluşan bir diziye dönüşür.
self.emb = nn.Embedding(vocab_size, 32)Üçüncü Adım: Vektörleri Birleştirme
Bir cümlede çok sayıda vektör vardır, ancak sizin tek bir vektöre ihtiyacınız olur. Genellikle kelimeler üzerinden ortalama alma işlemi olan havuzlama, bunları tek bir vektörde birleştirir.
pooled = vecs.mean(dim=1) # average over the sequenceDördüncü Adım: Bir Linear Başlık
Her sınıf için bir puan üretmek üzere havuzlanmış vektörü bir linear katmandan geçirin. Bu ham puanlara günlük adı verilir.
self.fc = nn.Linear(32, num_classes)Modeli Birleştirme
Gömme, havuzlama ve linear başlığı bir forward yönteminde art arda yerleştirin. Böylece eksiksiz ve küçük bir metin sınıflandırıcınız olur.
def forward(self, ids):
x = self.emb(ids).mean(dim=1)
return self.fc(x)Kayıp İşlevini Seçme
Çok sınıflı etiketler için çapraz entropi kaybını kullanın. Bu işlev ham günlük değerlerini ve hedef olarak tamsayı sınıf indeksini bekler.
loss_fn = nn.CrossEntropyLoss()Bir İyileştirici Seçme
Adam gibi bir iyileştirici, kaybı azaltırken embedding ve linear ağırlıklarını birlikte günceller.
opt = torch.optim.Adam(model.parameters(), lr=1e-3)Eğitim Döngüsü
Her yığın için: forward uygulayın, kaybı hesaplayın, backward uygulayın ve step çağrısı yapın. Veriler üzerinde bunu birkaç dönem boyunca tekrarlayın.
logits = model(ids)
loss = loss_fn(logits, labels)
loss.backward()
opt.step()Tahmin Yapma
Çıkarım sırasında, yeni metin için tahmin edilen etiketi elde etmek üzere argmax kullanarak en yüksek günlük değerine sahip sınıfı seçin.
pred = model(ids).argmax(dim=1)Doğruluğu Ölçme
Doğruluğu hesaplamak için tahminleri gerçek etiketlerle karşılaştırın. Embedding duygu örüntülerini öğrendikçe doğruluğun arttığını gözlemleyin.
Kısa Kontrol
Bu sınıflandırıcıda, kelime vektörlerinden oluşan bir diziyi tek bir vektöre ne dönüştürür?
Özet
Kimlikleri gömer, onları tek bir vektörde havuzlar, linear başlıkla sınıflandırır ve metni etiketlemek için çapraz entropiyle eğitim yaparsınız. ✅
Sıkça Sorulan Sorular
“Bir Metin Sınıflandırıcısı Eğitme” dersi ücretsiz mi?
Evet — “Bir Metin Sınıflandırıcısı Eğitme” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“Bir Metin Sınıflandırıcısı Eğitme” dersinde ne öğreneceğim?
Gömün, havuzlayın ve duygu tahmini yapın. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“Bir Metin Sınıflandırıcısı Eğitme” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Belirteçleme ve Kelime Dağarcığı Oluşturma
- nn.Embedding: Öğrenilebilir Kelime Vektörleri
- Gömme Temsilleri Anlamı Neden Yakalar
- Bir Metin Sınıflandırıcısı Eğitme