使用 Keras / Tensorflow 使用注意力模型解释 LSTM 编码器 - 解码器中的 model.fit 文本摘要

问题描述

在使用 Keras 的深度学习中，我通常遇到的 model.fit 是这样的：

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

而在 NLP taks 中，我看到了一些关于使用带有注意力模型的 LSTM 编码器-解码器进行文本摘要的文章，我通常会遇到用于拟合我无法理解的模型的代码：

model.fit([x_tr,y_tr[:,:-1]],y_tr.reshape(y_tr.shape[0],y_tr.shape[1],1)[:,1:],validation_data=([x_val,y_val[:,y_val.reshape(y_val.shape[0],y_val.shape[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。上面的代码位于 https://www.analyticsvidhya.com/blog/2019/06/comprehensive-guide-text-summarization-using-deep-learning-python/

请注意：我已经联系了撰写这篇文章的人，但没有得到他的回复。

解决方法

刚看到你的问题。无论如何，如果有人有类似的问题，这里是一个explanation。

model.fit() 方法来拟合训练数据，您可以将批量大小定义为例如512 在你的情况下。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。