RNN實現情感分類

二分類問題：Positive和Negative兩類
步驟：
1.加載IMDB數據集
2.加載預訓練詞向量:預訓練詞向量是對輸入單詞的數值化表示，通過nn.Embedding層，采用查表的方式，輸入單詞對應詞表中的index，獲得對應的表達向量。
3.數據集預處理
通過加載器加載的IMDB數據集進行了分詞處理，但不滿足構造訓練數據的需要，因此要對其進行額外的預處理。其中包含的預處理如下：通過Vocab將所有的Token處理為index id;將文本序列統一長度，不足的使用補齊，超出的進行截斷。
4.模型構建
nn.Embedding層加載Glove詞向量；然后使用RNN循環神經網絡做特征提取；最后將RNN連接至一個全連接層，即nn.Dense，將特征轉化為與分類數量相同的size.
5.預測Positive或Negative的二分類問題，選擇nn.BCEWithLogitsLoss(二分類交叉熵損失函數)。
6.訓練邏輯

• 讀取一個Batch的數據；
• 送入網絡，進行正向計算和反向傳播，更新權重；
• 返回loss。

7.評估邏輯：

• 讀取一個Batch的數據；
• 送入網絡，進行正向計算，獲得預測結果；
• 計算準確率。

8.模型訓練與保存
9.模型加載與測試
自定義輸入測試:

• 將輸入句子進行分詞；
• 使用詞表獲取對應的index id序列；
• index id序列轉為Tensor;
• 送入模型獲得預測結果；
• 打印輸出預測結果。
  出現jupyter崩潰，清理內存重新運行
  

結果：