上次发了一条字符级分类模型的推文，
这两天在家里就是对字符级CNN分类论文进行了代码实现：1509.01626 Character-level Convolutional Networks for Text Classification
项目代码见：https://github.com/howie6879/charcnntext_classification
项目环境：
Python3.6
Anaconda+Pipenv管理
使用
# 下载代码
git clone https://github.com/howie6879/char_cnn_text_classification.git
# 利用anaconda建立Python3.6环境
conda create -n python36 python=3.6
# 进入项目
cd char_cnn_text_classification
# --python 后面的路径是上面conda创建的路径地址
pipenv install --python ~/anaconda3/envs/python36/bin/python3.6
# 如果出错 否则跳过这段
pipenv run pip install pip==18.0
# 安装依赖 具体以来可查看Pipenv文件
pipenv install
# 进入代码目录
cd char_cnn_text_classification模型
模型结构和论文中介绍的一样：
论文中设计了 large和 small两种卷积网络，分别对应不同大小的数据集，且都由6个卷积层和3个全连接层共9层神经网络组成
对于英文数据，如果数据集不大，可以考虑使用包含大小写的字母表
数据集
agnewscsv：新闻数据
对于英文数据，包含在[ag_news_csv]文件夹里面，信息如下：
训练集：120000
测试集：7600
类别：4
数据集处理类[DataUtils]，这里以训练集 shape为例：
Input实例：(120000, 1014)
Label：(120000, 4)
配置
关于配置，请参考[Config]类：
# 字母表
alphabet = "abcdefghijklmnopqrstuvwxyz0123456789-,;.!?:'\"/\\|_@#$%^&*~`+-=<>()[]{}"
alphabet_size = len(alphabet)
# 输入大小，即论文中的l0
input_size = 1014
# 训练集类别
num_of_classes = 4
batch_size = 128
epochs = 1000
checkpoint_every = 100
evaluate_every = 100
# 激活函数的 threshold 值
threshold = 1e-6
# 防止过拟合 dropout保留比例
dropout_p = 0.5
# 损失函数
loss = 'categorical_crossentropy'
# 优化器 rmsprop adam
optimizer = 'adam'训练
配置好环境之后，可以直接进行训练：
python run_model.py可以在测试集分出20000条作为验证集进行训练
Data loaded from datasets/ag_news_csv/train.csv
CharCNN model built success:
......
Training Started ===>
Train on 100000 samples, validate on 20000 samples
Epoch 1/10
......
100000/100000 [==============================] - 4338s 43ms/step - loss: 0.9999 - acc: 0.5329 - val_loss: 0.6755 - val_acc: 0.7290
Epoch 2/10
......
100000/100000 [==============================] - 4265s 43ms/step - loss: 0.5044 - acc: 0.8204 - val_loss: 0.4582 - val_acc: 0.8405
Epoch 3/10
......
100000/100000 [==============================] - 4268s 43ms/step - loss: 0.3593 - acc: 0.8799 - val_loss: 0.4177 - val_acc: 0.8522
......迭代了三轮，就达到了论文中所说的效果 0.8522
准确率和误差图示：
可以看到，迭代6、7轮后的结果挺不错，也可以利用 Tensorboard进行可视化：
tensorboard --logdir=char_cnn_text_classification/logs测试
char_cnn_model.model.evaluate(test_inputs, test_labels, batch_size=Config.batch_size, verbose=1)可以得到结果输出：
128/7600 [..............................] - ETA: 1:51
......
7600/7600 [==============================] - 110s 15ms/step
[0.41680785787732977, 0.8789473684210526]其中：
loss: 0.41
acc: 0.8789
说明
感谢论文作者 XiangZhang,JunboZhao,YannLeCun，以及下面这些开源项目：
GitHub - mhjabreel/CharCNN
GitHub - mhjabreel/CharCnn_Keras: The implementation of text classification using character level convoultion neural networks using Keras
模型源码请点击阅读原文
往期推荐：
