利用MindSpore实现DPCNN文本分类网络
数据集存放在resource目录内
使用resource/makeDataset.py将数据集转换为train.txt, test.txt
resourece
——glove.6B
————glove.6B.{50-300}d.txt
——rt-polaritydata
————processed （训练时产生的预处理文件）
————rt-polarity.pos 数据集正样本
————rt-polarity.neg 数据集负样本
————train.txt makeDataset.py生成
————test.txt makeDataset.py生成
glove embedding文件：https://pan.baidu.com/s/14BvOavIY0IqMfbJlU0_rZw
提取码：nyxg
预训练模型：https://pan.baidu.com/s/1eerBF6UWSYZnOInhGvKf7g
提取码：9at4
训练：
CUDA_VISIBLE_DEVICES=0 python train.py --device_target GPU --data_path ./resource/rt-polaritydata --glove_path ./resource/glove.6B
使用预训练模型训练：
CUDA_VISIBLE_DEVICES=0 python train.py --device_target GPU --data_path ./resource/rt-polaritydata --glove_path ./resource/glove.6B --pretrained pretrained/aclimdb.ckpt
评估：
CUDA_VISIBLE_DEVICES=0 python eval.py --device_target GPU --data_path ./resource/rt-polaritydata --glove_path ./resource/glove.6B --ckpt_path outputs/dpcnn-20_149.ckpt
使用预训练模型进行调优，训练结果精度：0.7998
结果模型：https://pan.baidu.com/s/1v7OZ0Y2IGN4jU7Cr2ufBJg
提取码：4erp