使用 Keras /Tensorflow 解释具有用于文本摘要的注意力模型的 LSTM 编码器-解码器中的 model.fit答案

【问题标题】：explain model.fit in LSTM encoder-decoder with Attention model for Text Summarization using Keras /Tensorflow使用 Keras /Tensorflow 解释具有用于文本摘要的注意力模型的 LSTM 编码器-解码器中的 model.fit
【发布时间】：2020-12-29 14:39:33
【问题描述】：

在使用 Keras 进行深度学习时，我通常会遇到这样的 model.fit：

model.fit(x_train, y_train, epochs=50, callbacks=[es], batch_size=512, validation_data=(x_val, y_val)

而在 NLP 任务中，我看过一些关于使用 LSTM 编码器-解码器和注意力模型进行文本摘要的文章，我通常会遇到这段代码来拟合我无法理解的模型：

model.fit([x_tr,y_tr[:,:-1]], y_tr.reshape(y_tr.shape[0],y_tr.shape[1], 1)[:,1:] ,epochs=50,callbacks=[es],batch_size=512, validation_data=([x_val,y_val[:,:-1]], y_val.reshape(y_val.shape[0],y_val.shape[1], 1)[:,1:]))

而且我没有找到解释为什么要这样做。有人可以对上述代码进行解释。以上代码在https://www.analyticsvidhya.com/blog/2019/06/comprehensive-guide-text-summarization-using-deep-learning-python/

请注意：我已经联系了写这篇文章的人，但没有得到他的回复。

【问题讨论】：

标签： python-3.x keras attention-model summarization encoder-decoder

【解决方案1】：

刚刚看到你的问题。无论如何，如果有人有类似的问题，这里是explanation。

model.fit() 方法来拟合训练数据，您可以在其中定义批量大小，例如你的情况是512。发送文本和摘要（不包括摘要中的最后一个单词）作为输入，并将包含每个单词（从第二个单词开始）的重构摘要张量作为输出（这解释了将智能注入模型以预测单词，给定前一个词）。此外，要在训练阶段启用验证，请同时发送验证数据。

【讨论】：