Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Udfordring: Opbygning af en LSTM til Sentimentanalyse | Sentimentanalyse
Introduktion til RNNs

bookUdfordring: Opbygning af en LSTM til Sentimentanalyse

Opgave

Swipe to start coding

  1. Definér klassen SentimentLSTM, og færdiggør dens __init__-metode for at opsætte lagene nn.Embedding, nn.LSTM og nn.Linear. Implementér dens forward-metode til at behandle inputsekvenser.

  2. Instantiér SentimentLSTM-modellen, og definér derefter nn.BCEWithLogitsLoss som criterion og torch.optim.Adam som optimizer.

  3. Implementér trænings- og evalueringssløjferne, inklusive forward- og backward-pass, parameteropdateringer og beregning af nøjagtighed.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 4. Kapitel 5
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

close

Awesome!

Completion rate improved to 4.55

bookUdfordring: Opbygning af en LSTM til Sentimentanalyse

Stryg for at vise menuen

Opgave

Swipe to start coding

  1. Definér klassen SentimentLSTM, og færdiggør dens __init__-metode for at opsætte lagene nn.Embedding, nn.LSTM og nn.Linear. Implementér dens forward-metode til at behandle inputsekvenser.

  2. Instantiér SentimentLSTM-modellen, og definér derefter nn.BCEWithLogitsLoss som criterion og torch.optim.Adam som optimizer.

  3. Implementér trænings- og evalueringssløjferne, inklusive forward- og backward-pass, parameteropdateringer og beregning af nøjagtighed.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

close

Awesome!

Completion rate improved to 4.55
Sektion 4. Kapitel 5
single

single

some-alt