Tensorflow 如何微调通用句子编码器3嵌入到自己的语料库
我想将谷歌通用句子编码器large 3()生成的嵌入内容微调到我自己的语料库中。任何关于如何做到这一点的建议都将不胜感激。我目前的想法是将我的语料库中的句子对输入编码器,然后使用额外的一层对它们进行分类,看它们在语义上是否相同。我的问题是,我不知道如何设置它,因为这需要设置两个共享权重的使用模型,我相信它被称为暹罗网络。任何关于如何做到这一点的帮助都将不胜感激Tensorflow 如何微调通用句子编码器3嵌入到自己的语料库,tensorflow,machine-learning,nlp,transfer-learning,tensorflow-hub,Tensorflow,Machine Learning,Nlp,Transfer Learning,Tensorflow Hub,我想将谷歌通用句子编码器large 3()生成的嵌入内容微调到我自己的语料库中。任何关于如何做到这一点的建议都将不胜感激。我目前的想法是将我的语料库中的句子对输入编码器,然后使用额外的一层对它们进行分类,看它们在语义上是否相同。我的问题是,我不知道如何设置它,因为这需要设置两个共享权重的使用模型,我相信它被称为暹罗网络。任何关于如何做到这一点的帮助都将不胜感激 def train_and_evaluate_with_module(hub_module, train_module=False):
def train_and_evaluate_with_module(hub_module, train_module=False):
embedded_text_feature_column1 = hub.text_embedding_column(
key="sentence1", module_spec=hub_module, trainable=train_module)
embedded_text_feature_column2 = hub.text_embedding_column(
key="sentence2", module_spec=hub_module, trainable=train_module)
estimator = tf.estimator.DNNClassifier(
hidden_units=[500, 100],
feature_columns=[embedded_text_feature_column1,embedded_text_feature_column2],
n_classes=2,
optimizer=tf.train.AdagradOptimizer(learning_rate=0.003))
estimator.train(input_fn=train_input_fn, steps=1000)
train_eval_result = estimator.evaluate(input_fn=predict_train_input_fn)
test_eval_result = estimator.evaluate(input_fn=predict_test_input_fn)
training_set_accuracy = train_eval_result["accuracy"]
test_set_accuracy = test_eval_result["accuracy"]
return {
"Training accuracy": training_set_accuracy,
"Test accuracy": test_set_accuracy
}
请参阅:初始化一个
hub.Module(…,trainable=True)
对象并调用它两次。您能提供到目前为止所做工作的代码吗?我已经添加了一些正在处理的代码。我有几个问题:初始的文本嵌入模型会被视为不同的模型而不是相同的权重吗?如何仅保存模型的微调嵌入部分?