kim2014convolutional 0.2.0

# kim2014convolutional

这个包提供了论文中提出的模型的简单实现
：

> Kim, Y. (2014)。用于句子分类的卷积神经网络。arXiv 预印本 arXiv:1408.5882。

## 安装
这个包依赖于 [Keras](https://keras.io/) 库。这
意味着您需要安装后端库才能使用此
模块。查看 [Keras 安装](https://keras.io/#installation)
以获取更多信息。

安装完你选择的后端后，你只需要
使用 [pip](https://pypi.org/) 安装这个包：

pip install kim2014convolutional

## Usage
此软件包仅提供一个模型。要获取有关
模型接受的参数的详细信息，请查看
模块类中包含的文档。

下面是一个完整的实例化
原始论文中提出的`CNN-multichannel`模型，使用两个通道的随机
初始化词嵌入：

```python
import numpy as np
import numpy.random as rng words_size

= 10000
embedding_size = 300

value = np.sqrt(6/embedding_size)

weights_shape = (vocabulary_size+1, embedding_size)
weights = rng.uniform(low=-value, high=value, size=weights_shape)

channels = [
{
'weights': [weights],
'trainable': False,
'input_dim': 词汇大小 + 1,
'output_dim': embedding_size,
'name': 'random-embedding-1'
},
{
'weights': [weights], 'trainable
': True,
'input_dim ': 词汇大小 + 1,
'output_dim': embedding_size,
'name': 'random-embedding-2'
}
]

windows = [
{
'filters': 100,
'kernel_size': 3,
'activation': 'relu',
'名称'：'3-grams'
}，
{
'过滤器'：100，
'kernel_size'：4，
'激活'：'relu'，
'name': '4-grams'
},
{
'filters': 100,
'kernel_size': 5,
'activation': 'relu',
'name': '5-grams'
}
]

from kim2014convolutional import Model

model = Model (channels=channels,
windows=windows,
sentence_length=37,
num_classes=6,
dropout_rate=0.5,
maxnorm_value=3,
classifier_activation='softmax',
include_top=True,
name='CNN-multichannel')

model.summary()
`` `