KIM2014改造的实施
kim2014convolutional的Python项目详细描述
#KIM2014Convolutional
此软件包提供了
论文中提出的模型的简单实现：
>；Kim，Y.（2014）。用于句子分类的卷积神经网络。arxiv预印本arxiv:1408.5882.
这意味着您需要安装一个后端库才能使用这个模块。查看[Keras安装]（https://keras.io/安装）
以获取更多信息。
在安装完您选择的后端之后，您只需要使用[pip]安装此包（https://pypi.org/）：
pip install kim2014convolutional
要获取模型接受的参数的详细信息，查看module类中包含的文档
。
=10000
嵌入大小=300
value=np.sqrt（6/嵌入大小）
权重形状=（词汇大小+1，嵌入大小）
权重=rng.uniform（低值，高值，大小=权重形状）
通道=[
“权重”：[权重]，
“可训练”：假，
“输入大小”：词汇大小+1，
“输出维度”：嵌入维度，
“名称”：“随机嵌入-1”
}，
{
“权重”：[权重]，
“可训练”：真，
“输入维度”：词汇维度+1，
“输出维度”：嵌入维度，
“名称”：“随机嵌入-2”
}
]
windows=[
{
“过滤器”：100，
“内核大小”：3，
“激活”：relu，
“名称”：3-grams，
{
“过滤器”：100，
“内核大小”：4，
“激活”：relu，
‘名称’：‘4-grams’
}，
{
‘过滤器’：100，
‘内核大小’：5，
‘激活’：‘relu’，
‘名称’：‘5-grams’
}
]
句子长度=37，
类数=6，
退出率=0.5，
最大规范值=3，
分类器激活='softmax'，
包含顶端=真，
名称='cnn-multicchannel'）
model.summary（）
`````
此软件包提供了
论文中提出的模型的简单实现：
>；Kim，Y.（2014）。用于句子分类的卷积神经网络。arxiv预印本arxiv:1408.5882.
这意味着您需要安装一个后端库才能使用这个模块。查看[Keras安装]（https://keras.io/安装）
以获取更多信息。
在安装完您选择的后端之后，您只需要使用[pip]安装此包（https://pypi.org/）：
pip install kim2014convolutional
要获取模型接受的参数的详细信息，查看module类中包含的文档
。
=10000
嵌入大小=300
value=np.sqrt（6/嵌入大小）
权重形状=（词汇大小+1，嵌入大小）
权重=rng.uniform（低值，高值，大小=权重形状）
通道=[
“权重”：[权重]，
“可训练”：假，
“输入大小”：词汇大小+1，
“输出维度”：嵌入维度，
“名称”：“随机嵌入-1”
}，
{
“权重”：[权重]，
“可训练”：真，
“输入维度”：词汇维度+1，
“输出维度”：嵌入维度，
“名称”：“随机嵌入-2”
}
]
windows=[
{
“过滤器”：100，
“内核大小”：3，
“激活”：relu，
“名称”：3-grams，
{
“过滤器”：100，
“内核大小”：4，
“激活”：relu，
‘名称’：‘4-grams’
}，
{
‘过滤器’：100，
‘内核大小’：5，
‘激活’：‘relu’，
‘名称’：‘5-grams’
}
]
句子长度=37，
类数=6，
退出率=0.5，
最大规范值=3，
分类器激活='softmax'，
包含顶端=真，
名称='cnn-multicchannel'）
model.summary（）
`````
欢迎加入QQ群-->： 979659372
