【发布时间】:2019-10-17 18:46:26
【问题描述】:
tensorflow、html 的新手,在文本分类方面表现不佳。
我正在尝试检测文本的正负极性。在浏览器中针对否定和肯定类手动过滤文本(句子)训练模型,并将其保存在 .JSON 和 .BIN 文件中。
async function saveFile(){ const saveResults = await model.save('downloads://my-model-1');}
通过用户输入加载文件
async function loadFile(){ const jsonUpload = document.getElementById('json-upload'); const weightsUpload = document.getElementById('weights-upload');
const model = await tf.loadModel(tf.io.browserFiles([jsonUpload.files[0], weightsUpload.files[0]]));
model.compile({loss: "categoricalCrossentropy", optimizer: "adam", metrics:'accuracy'});
model.summary();
}
summary of model loaded, trained and saved from small portion of data
卡在重新创建模型中(错误:未捕获的类型错误:无法构建顺序模型:模型为空。先添加一些层。)
我需要做的是加载模型,这个模型应该预测用户输入文本的极性为负/正,检测精度。
任何人都可以帮助详细一点,学习它但无法通过https://www.tensorflow.org/js的教程获得它
型号
// Define a model
model = tf.sequential();
console.log(sequence_length);
//Add layers to model
model.add(tf.layers.embedding({
inputDim: vocabulary_size,
outputDim: embedding_dim,
inputLength: sequence_length,
trainable: true
}));
addCLayers();
model.add(tf.layers.dropout ({rate:0.2}));
model.add(tf.layers.flatten());
model.add(tf.layers.dense({units: 100, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 1000, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 100, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 2, activation: 'softmax'}));
【问题讨论】:
-
加载后不需要编译模型。
标签: python tensorflow machine-learning text-classification tensorflow.js