python-3.x - 使用预训练的gensim Word2vec嵌入以及keras中的数据集

Question

亲爱的所有人，我已经使用Wikipedia数据在gensim中训练了word2vec，并使用以下程序进行了保存。

model = Word2Vec(LineSentence(inp), size=300, window=5, min_count=5, max_final_vocab=500000,
        workers=multiprocessing.cpu_count())

model.save("outp1")

我想在keras中使用此模型进行多类文本分类，我需要在以下代码中进行哪些更改

model = Sequential()
model.add(Embedding(MAX_NB_WORDS, EMBEDDING_DIM, input_length=X.shape[1]))
model.add(SpatialDropout1D(0.2))
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(10, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

epochs = 5
batch_size = 64

history = model.fit(X_train, Y_train, epochs=epochs, 
batch_size=batch_size,validation_split=0.1,callbacks=[EarlyStopping(monitor='val_loss', patience=3, min_delta=0.0001)])

accr = model.evaluate(X_test,Y_test) 

其实我是新手，正在尝试学习。

Answer 1

Keras博客中有一个帖子可以解决您的确切问题，您可以下载与Keras兼容的Word Embeddings，并在Keras模型中使用它们。
link to blog post