fbfb0a8047
|
||
|---|---|---|
| .. | ||
| README.md | ||
README.md
स्किप-ग्राम मॉडल का प्रशिक्षण
एआई फॉर बिगिनर्स करिकुलम से लैब असाइनमेंट।
कार्य
इस लैब में, हम आपको स्किप-ग्राम तकनीक का उपयोग करके Word2Vec मॉडल को प्रशिक्षित करने की चुनौती देते हैं। एम्बेडिंग के साथ एक नेटवर्क को प्रशिक्षित करें ताकि वह N-टोकन-चौड़े स्किप-ग्राम विंडो में पड़ोसी शब्दों की भविष्यवाणी कर सके। आप इस पाठ से कोड का उपयोग कर सकते हैं और इसे थोड़ा संशोधित कर सकते हैं।
डेटा सेट
आप किसी भी पुस्तक का उपयोग कर सकते हैं। प्रोजेक्ट गुटेनबर्ग पर आपको बहुत सारे मुफ्त टेक्स्ट मिल सकते हैं। उदाहरण के लिए, यहाँ लुईस कैरोल द्वारा लिखित एलिस एडवेंचर्स इन वंडरलैंड का सीधा लिंक है। या, आप शेक्सपियर के नाटक का उपयोग कर सकते हैं, जिसे आप निम्नलिखित कोड का उपयोग करके प्राप्त कर सकते हैं:
path_to_file = tf.keras.utils.get_file(
'shakespeare.txt',
'https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txt')
text = open(path_to_file, 'rb').read().decode(encoding='utf-8')
खोजबीन करें!
यदि आपके पास समय है और आप विषय में गहराई से जाना चाहते हैं, तो निम्नलिखित चीजों का पता लगाने का प्रयास करें:
- एम्बेडिंग का आकार परिणामों को कैसे प्रभावित करता है?
- विभिन्न टेक्स्ट शैलियाँ परिणाम को कैसे प्रभावित करती हैं?
- कुछ बहुत अलग प्रकार के शब्द और उनके पर्यायवाची लें, उनके वेक्टर प्रतिनिधित्व प्राप्त करें, PCA का उपयोग करके आयामों को 2 तक घटाएँ, और उन्हें 2D स्पेस में प्लॉट करें। क्या आपको कोई पैटर्न दिखाई देता है?
अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।