4.1 KiB
ట్రైనింగ్ స్కిప్-గ్రామ్ మోడల్
AI for Beginners Curriculum నుండి ల్యాబ్ అసైన్మెంట్.
పని
ఈ ల్యాబ్లో, మీరు స్కిప్-గ్రామ్ సాంకేతికత ఉపయోగించి Word2Vec మోడల్ను ట్రైన్ చేయడానికి సవాలు చేస్తాము. ఎంబెడ్డింగ్తో నెట్వర్క్ను ట్రైన్ చేసి, N-టోకెన్స్-వైడ్ స్కిప్-గ్రామ్ విండోలో పొరుగువారిని అంచనా వేయండి. మీరు ఈ పాఠం నుండి కోడ్ ఉపయోగించి, కొంచెం మార్పులు చేయవచ్చు.
డేటాసెట్
మీరు ఏదైనా పుస్తకం ఉపయోగించవచ్చు. మీరు Project Gutenbergలో చాలా ఉచిత పాఠ్యాలు కనుగొనవచ్చు, ఉదాహరణకు, ఇది లూయిస్ క్యారోల్ రాసిన Alice's Adventures in Wonderlandకి ప్రత్యక్ష లింక్. లేదా, మీరు షేక్స్పియర్ నాటకాలు ఉపయోగించవచ్చు, వాటిని క్రింది కోడ్ ద్వారా పొందవచ్చు:
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')
అన్వేషణ!
మీకు సమయం ఉంటే మరియు ఈ విషయం లో మరింత లోతుగా తెలుసుకోవాలనుకుంటే, కొన్ని విషయాలను అన్వేషించండి:
- ఎంబెడ్డింగ్ పరిమాణం ఫలితాలపై ఎలా ప్రభావం చూపుతుంది?
- వేర్వేరు పాఠ్య శైలులు ఫలితంపై ఎలా ప్రభావం చూపుతాయి?
- చాలా భిన్నమైన పదాలు మరియు వాటి సమానార్థక పదాలను తీసుకుని, వాటి వెక్టర్ ప్రాతినిధ్యాలను పొందండి, PCA ఉపయోగించి కొలతలను 2కి తగ్గించి, వాటిని 2D స్థలంలో ప్లాట్ చేయండి. మీరు ఏవైనా నమూనాలు గమనిస్తారా?
అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకం వల్ల కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారుల బాధ్యత మేము తీసుకోము.