MAC*_*MAC 5 python nlp machine-learning deep-learning conv-neural-network
我将通过此链接来了解用于文本分类的多通道CNN模型。
该代码基于本教程。
我已经了解了大多数事情，但是我不明白Keras如何定义某些图层的输出形状。
这是代码：
定义一个具有三个输入通道的模型，以处理4克，6克和8克电影评论文本。
#Skipped keras imports
# load a clean dataset
def load_dataset(filename):
return load(open(filename, 'rb'))
# fit a tokenizer
def create_tokenizer(lines):
tokenizer = Tokenizer()
tokenizer.fit_on_texts(lines)
return tokenizer
# calculate the maximum document length
def max_length(lines):
return max([len(s.split()) for s in lines])
# encode a list of lines
def encode_text(tokenizer, lines, length):
# integer encode
encoded = tokenizer.texts_to_sequences(lines)
# pad encoded sequences
padded = pad_sequences(encoded, maxlen=length, padding='post')
return padded
# define the model
def define_model(length, vocab_size):
# channel 1
inputs1 = Input(shape=(length,))
embedding1 = Embedding(vocab_size, 100)(inputs1)
conv1 = Conv1D(filters=32, kernel_size=4, activation='relu')(embedding1)
drop1 = Dropout(0.5)(conv1)
pool1 = MaxPooling1D(pool_size=2)(drop1)
flat1 = Flatten()(pool1)
# channel 2
inputs2 = Input(shape=(length,))
embedding2 = Embedding(vocab_size, 100)(inputs2)
conv2 = Conv1D(filters=32, kernel_size=6, activation='relu')(embedding2)
drop2 = Dropout(0.5)(conv2)
pool2 = MaxPooling1D(pool_size=2)(drop2)
flat2 = Flatten()(pool2)
# channel 3
inputs3 = Input(shape=(length,))
embedding3 = Embedding(vocab_size, 100)(inputs3)
conv3 = Conv1D(filters=32, kernel_size=8, activation='relu')(embedding3)
drop3 = Dropout(0.5)(conv3)
pool3 = MaxPooling1D(pool_size=2)(drop3)
flat3 = Flatten()(pool3)
# merge
merged = concatenate([flat1, flat2, flat3])
# interpretation
dense1 = Dense(10, activation='relu')(merged)
outputs = Dense(1, activation='sigmoid')(dense1)
model = Model(inputs=[inputs1, inputs2, inputs3], outputs=outputs)
# compile
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# summarize
print(model.summary())
plot_model(model, show_shapes=True, to_file='multichannel.png')
return model
# load training dataset
trainLines, trainLabels = load_dataset('train.pkl')
# create tokenizer
tokenizer = create_tokenizer(trainLines)
# calculate max document length
length = max_length(trainLines)
# calculate vocabulary size
vocab_size = len(tokenizer.word_index) + 1
print('Max document length: %d' % length)
print('Vocabulary size: %d' % vocab_size)
# encode data
trainX = encode_text(tokenizer, trainLines, length)
print(trainX.shape)
# define model
model = define_model(length, vocab_size)
# fit model
model.fit([trainX,trainX,trainX], array(trainLabels), epochs=10, batch_size=16)
# save the model
model.save('model.h5')
运行代码：
首先运行示例将打印准备好的训练数据集的摘要。文件长度上限：1380字汇大小：44277（1800，1380）
____________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
====================================================================================================
input_1 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
input_2 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
input_3 (InputLayer) (None, 1380) 0
____________________________________________________________________________________________________
embedding_1 (Embedding) (None, 1380, 100) 4427700 input_1[0][0]
____________________________________________________________________________________________________
embedding_2 (Embedding) (None, 1380, 100) 4427700 input_2[0][0]
____________________________________________________________________________________________________
embedding_3 (Embedding) (None, 1380, 100) 4427700 input_3[0][0]
____________________________________________________________________________________________________
conv1d_1 (Conv1D) (None, 1377, 32) 12832 embedding_1[0][0]
____________________________________________________________________________________________________
conv1d_2 (Conv1D) (None, 1375, 32) 19232 embedding_2[0][0]
____________________________________________________________________________________________________
conv1d_3 (Conv1D) (None, 1373, 32) 25632 embedding_3[0][0]
____________________________________________________________________________________________________
dropout_1 (Dropout) (None, 1377, 32) 0 conv1d_1[0][0]
____________________________________________________________________________________________________
dropout_2 (Dropout) (None, 1375, 32) 0 conv1d_2[0][0]
____________________________________________________________________________________________________
dropout_3 (Dropout) (None, 1373, 32) 0 conv1d_3[0][0]
____________________________________________________________________________________________________
max_pooling1d_1 (MaxPooling1D) (None, 688, 32) 0 dropout_1[0][0]
____________________________________________________________________________________________________
max_pooling1d_2 (MaxPooling1D) (None, 687, 32) 0 dropout_2[0][0]
____________________________________________________________________________________________________
max_pooling1d_3 (MaxPooling1D) (None, 686, 32) 0 dropout_3[0][0]
____________________________________________________________________________________________________
flatten_1 (Flatten) (None, 22016) 0 max_pooling1d_1[0][0]
____________________________________________________________________________________________________
flatten_2 (Flatten) (None, 21984) 0 max_pooling1d_2[0][0]
____________________________________________________________________________________________________
flatten_3 (Flatten) (None, 21952) 0 max_pooling1d_3[0][0]
____________________________________________________________________________________________________
concatenate_1 (Concatenate) (None, 65952) 0 flatten_1[0][0]
flatten_2[0][0]
flatten_3[0][0]
____________________________________________________________________________________________________
dense_1 (Dense) (None, 10) 659530 concatenate_1[0][0]
____________________________________________________________________________________________________
dense_2 (Dense) (None, 1) 11 dense_1[0][0]
====================================================================================================
Total params: 14,000,337
Trainable params: 14,000,337
Non-trainable params: 0
____________________________________________________________________________________________________
和
Epoch 6/10
1800/1800 [==============================] - 30s - loss: 9.9093e-04 - acc: 1.0000
Epoch 7/10
1800/1800 [==============================] - 29s - loss: 5.1899e-04 - acc: 1.0000
Epoch 8/10
1800/1800 [==============================] - 28s - loss: 3.7958e-04 - acc: 1.0000
Epoch 9/10
1800/1800 [==============================] - 29s - loss: 3.0534e-04 - acc: 1.0000
Epoch 10/10
1800/1800 [==============================] - 29s - loss: 2.6234e-04 - acc: 1.0000
我对“层”和输出形状的解释如下：请帮助我理解它是否正确，因为我在多维中迷失了方向。
input_1（InputLayer）（无，1380）：---> 1380是每个数据点的特征总数（即1380个输入神经元）。 1800是文档或数据点的总数。
embedding_1（Embedding）（无，1380，100）4427700 ---->嵌入层是：1380作为特征（单词），每个特征都是维度为100的向量。
这里的参数数量是多少4427700？
conv1d_1（Conv1D）（无，1377，32）12832 ------> Conv1d是的kernel size=4。它1*4 是使用32时间的过滤器。那么尺寸如何变成 (None, 1377, 32)带有12832参数的？
max_pooling1d_1（MaxPooling1D）（None， 688，32 ）与MaxPooling1D（pool_size = 2）的尺寸如何变化(None, 688, 32)？
flatten_1（Flatten）（None，22016）这仅仅是688、32的乘法？
**每个纪元一次训练1800个数据点吗？**
请让我知道如何计算输出尺寸。任何参考或帮助，将不胜感激。
请看下面的答案：
input_1 (InputLayer) (None, 1380)： ---> 1380 是每个数据点的特征总数（即 1380 个输入神经元）。1800 是文档或数据点的总数。
是的。model.fit([trainX,trainX,trainX], array(trainLabels), epochs=10, batch_size=16)表示您希望网络在整个训练数据集上以大小为 16 的批次训练 10 次（10 个时期）。
这意味着，每 16 个数据点，将启动反向传播算法并更新权重。这会发生1800/16很多次，被称为一个纪元。
1380是第一层神经元的数量。
embedding_1 (Embedding) (None, 1380, 100) | 4427700----> 嵌入层为：1380 个特征（单词），每个特征都是一个维度为 100 的向量。
1380 是输入的大小（前一层神经元的数量），100 是嵌入向量的大小（长度）。
这里的参数数量是vocabulary_size * 100指每个v in vocabulary需要训练100个参数。嵌入层实际上是一个由大小为 100 的vocabulary_size 向量构建的矩阵，其中每行代表词汇表中每个单词的向量表示。
conv1d_1 (Conv1D) (None, 1377, 32) | 12832------> Conv1d 的内核大小=4。是不是1*4的滤镜，用了32次。那么维度是怎么变成(None, 1377, 32)、12832个参数的呢？
由于内核的大小，1380 变成了 1377。想象一下以下输入（为了简化，大小为 10），内核大小为 4：
0123456789 #input
KKKK456789
0KKKK56789
12KKKK6789
123KKKK789
1234KKKK89
12345KKKK9
123456KKKK
看，内核无法再向右移动，因此对于输入大小 10 和内核大小 4，输出形状将为 7。一般来说，对于输入形状 n 和内核形状 k，输出形状将是n - k + 1，所以n=1380, k=4结果是1377。
因为参数的数量等于 ，所以参数的数量等于 12832 output_channels * (input_channels * window_size + 1)。在你的情况下是32*(100*4 + 1).
max_pooling1d_1 (MaxPooling1D) (None, 688, 32) with MaxPooling1D(pool_size=2)维度怎么变成了(None, 688, 32)？
获取max_pooling每两个连续的数字并将它们替换为其中的最大值，因此您最终得到了original_size/pool_size值。
flatten_1 (Flatten) (None, 22016)这只是 688, 32 的乘法？
是的，这只是 688 和 32 的乘法。这是因为，展平操作执行以下操作：
1234
5678 -> 123456789012
9012
因此它获取所有维度的所有值并将其放入一维向量中。
每个 epoch 是否同时训练 1800 个数据点？
不。正如第一个答案中指出的那样，它以 16 个为一批。每个时期以随机顺序获取 1800 个数据点，每批 16 个数据点。纪元是一个术语，意思是一段时间，之后我们将再次开始读取数据。
编辑：
我将澄清一维卷积层应用于嵌入层的地方。
您应将嵌入层的输出解释为宽度为 1380、通道数为 100 的向量。
与 2d 图像类似，输入端有一个具有三个通道的 RGB 图像，其形状为 (width, height, 3)，当您应用由 32 个滤波器构建的卷积层（滤波器大小无关）时，同时应用卷积运算到所有通道，输出形状将为（new_width，new_height，32）。请注意，输出形状与滤波器的数量相同。
回到你的例子。将嵌入层的输出形状视为（宽度，通道）。因此，将具有 32 个滤波器且内核大小等于 4 的 1d 卷积层应用于向量 1380 和深度 100。结果，您将得到形状 (1377, 32) 的输出。
| 归档时间： |
|
| 查看次数： |
47 次 |
| 最近记录： |