• 4.3.2 Ornatish qatlami
  • Ma'lumotlar to'plamini tayyorlash




    Download 2,7 Mb.
    Pdf ko'rish
    bet15/26
    Sana20.12.2023
    Hajmi2,7 Mb.
    #125027
    1   ...   11   12   13   14   15   16   17   18   ...   26
    Bog'liq
    juniper-final (2)

    4.3.1 Ma'lumotlar to'plamini tayyorlash
    modeldan ma'lumotlarni chiqarish.
    Ushbu xususiyatlar keyinchalik modelga kirish ma'lumotlarini kiritish va tushunishda ishlatilgan
    24
    8-rasm: Mavhum xulosalashning asosiy oqim diagrammasi
    Machine Translated by Google


    lug'atni vektor shakliga oldindan o'rgatilgan so'zlarni kiritish orqali. Stack kabi ommaviy ma'lumotlar to'plamlari uchun
    O'rnatish qatlami bizning modelimiz uchun oldingi qatlam edi. Bu qatlam dan foydalanadi
    25
    Bundan tashqari, biz barcha so'zlarni o'zgartirib, o'rnatish matritsasini yaratdik
    4.3.2 O'rnatish qatlami
    va Juniper Networks tomonidan ichki ma'lumotlar to'plamida o'qitilgan. Juniper Network-ning o'rnatilishi
    har biri yuz o'lchamda. Juniper ma'lumotlar to'plami uchun biz yaratilgan o'rnatish matritsasidan foydalandik
    uning vektor shakli. Qatlam so'z indekslari va shaklida ifodalangan har bir jumlani kiritadi
    Overflow, biz so'zlarni o'rnatishni o'z ichiga olgan ommaviy oldindan o'rgatilgan GloVe modelidan foydalandik
    Har bir so'zni o'zgartirish uchun ma'lumotlar to'plamini tayyorlashning oldingi bosqichida saqlangan o'rnatish matritsasi
    Biz birinchi navbatda kirish (maqola) va kutilgan barcha noyob so'zlarni to'pladik
    indeks xaritalari, o'rnatish matritsasi va ma'lumotlar to'plami haqida tavsiflovchi ma'lumotlar (shunday
    chunki u har bir so'zga matematik kontekst beradi va o'xshashlikni hisoblash usulini beradi
    matritsaning har biri bir yuz ellik o'lchovli vektorlari bor edi. Bilan so'zning lug'atlari
    gapdagi har bir so'z uchun vektor chiqaradi. Ushbu vektorning o'lchami ga bog'liq
    qatlam tomonidan ishlatiladigan matritsani joylashtirish. Har bir so'zni vektor fazoda ifodalash muhim ahamiyatga ega
    Modelda keyinroq foydalanish uchun Python lug'ati.
    ular ustida ishlaydi va o'zini o'zi o'rgatadi.
    hujjatlarni kiritish va chiqarish uchun xaritalar.
    hujjatlarning chiqishi (sarlavhasi) va indeksli ikkita Python lug'at lug'atini yaratdi.
    sifatida kiritilgan so'zlar soni va kirish satrining maksimal uzunligi) a da saqlangan
    ular orasida. Vektor fazodagi so'zlarni ifodalash orqali bizning modelimiz matematik tarzda ishlashi mumkin
    Machine Translated by Google


    o'tmishda mashina tarjimasi. Bizning modelimiz ketma-ketlikni loyihalash uchun ketma-ketlikdan foydalanadi. 9-rasm
    oldingi LSTM qatlami tomonidan qayta ishlangan holat.
    so'ngra, softmax qatlamidan o'tgandan so'ng, xulosadagi keyingi so'zni taxmin qiling. The
    softmax qatlami mavjud bo'lgan har birining ehtimolini (so'z chiqish so'zi bo'ladimi) hisoblaydi
    Santos, Gulchehre, & Xiang 2016). Sequence to sequence modellari keng tarqalgan bo'lib ishlatilgan
    vektor ko'rinishidagi har bir so'z kodlovchiga yuborilganda yangilanadi. Har bir qatlam kirish sifatida qabul qiladi
    kutilgan xulosa "Mening uzun bo'yli itim bor". Birinchi bosqichda kirish indeksga aylantiriladi
    Modelga “Mening itim bor. It juda baland." va
    jarayon. Dekoder uchta LSTM qatlamidan va hisoblash uchun softmax qatlamidan iborat
    modelimizning o'quv qismini ko'rsatadi.
    Barcha kirish qayta ishlanganidan so'ng, ichki holat dekoderga o'tkaziladi

    Download 2,7 Mb.
    1   ...   11   12   13   14   15   16   17   18   ...   26




    Download 2,7 Mb.
    Pdf ko'rish