плохо знаком с tenorflow, html и плохо застрял в текстовой классификации.
Я пытаюсь обнаружить положительную и отрицательную полярность текста.натренировал модель в браузере на отфильтрованном вручную тексте (предложениях) как для отрицательных, так и для положительных классов и сохранил его в файле .JSON и .BIN.
async function saveFile(){ const saveResults = await model.save('downloads://my-model-1');}
Загрузил обратно файлы с помощью пользовательского ввода
async function loadFile(){ const jsonUpload = document.getElementById('json-upload'); const weightsUpload = document.getElementById('weights-upload');
const model = await tf.loadModel(tf.io.browserFiles([jsonUpload.files[0], weightsUpload.files[0]]));
model.compile({loss: "categoricalCrossentropy", optimizer: "adam", metrics:'accuracy'});
model.summary();
}
сводка загруженной, обученной и сохраненной модели из небольшой части данных
, застрявшая в модели повторного создания (ОШИБКА: Uncaught TypeError: Невозможно построить последовательную модель: модель пуста. Добавитьсначала несколько слоев.)
Что мне нужно сделать, так это LOAD MODEL, эта модель должна прогнозировать полярность пользовательского ввода текста как отрицательную / положительную, точность обнаружения.
Любой может помочь, пожалуйста, в деталях, Как учиться, но не может получить его с помощью учебных пособий от https://www.tensorflow.org/js
Модель
// Define a model
model = tf.sequential();
console.log(sequence_length);
//Add layers to model
model.add(tf.layers.embedding({
inputDim: vocabulary_size,
outputDim: embedding_dim,
inputLength: sequence_length,
trainable: true
}));
addCLayers();
model.add(tf.layers.dropout ({rate:0.2}));
model.add(tf.layers.flatten());
model.add(tf.layers.dense({units: 100, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 1000, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 100, activation: 'sigmoid'}));
model.add(tf.layers.dense({units: 2, activation: 'softmax'}));