Introduktion
Det är inte helt enkelt att skapa neurala nätverk. Även med hjälp från populära bibliotek som Microsoft Cognitive Toolkit och TensorFlow krävs det ofta flera hundra rader med kod för att få igång ett neuralt nätverk. Det är en av anledningarna till att Keras har blivit populärt bland communityn för djupinlärning. Keras är ett Python-bibliotek med öppen källkod som avsevärt förenklar skapandet av neurala nätverk. Under huven använder det Microsoft Cognitive Toolkit, TensorFlow eller Theano för att göra grovjobbet. Med Keras kan du skapa avancerade neurala nätverk med bara några dussin rader kod och träna dem att klassificera bilder, analysera text med avseende på attityd, genomföra bearbetning av naturliga språk samt utföra andra uppgifter som djupinlärning passar bra till.
I den här modulen använder du Keras för att skapa ett neuralt nätverk som poängsätter text baserat på attityd. Indata som ”Bra service och bland den bästa sushi jag har provat” får en poäng på nära 1,0, vilket anger att attityden är positiv. Indata i stil med ”Maten smakade inte särskilt mycket och servicen var usel” får poäng närmare 0,0. Sådana system används i stor utsträckning idag för att övervaka X, Yelp och andra sociala medietjänster för känslor när det gäller företag och politiska kandidater. För att minimera installation och konfiguration använder du Keras i en Jupyter-notebook-fil som hanteras i Azure Notebooks, där Keras, TensorFlow och andra bibliotek som du behöver är förinstallerade.
Utbildningsmål
I den här modulen kommer du att:
- Skapa en Jupyter-notebook-fil i Azure Notebooks
- Använda Keras för att skapa och träna ett neuralt nätverk för att utföra attitydanalys
- Använda det neurala nätverket för att analysera text baserat på attityd