加载佩带的单词嵌入

数据存储textDatastore需要单词嵌入来将文档转换为向量序列。加载一个预先训练的词嵌入使用fastTextWordEmbedding．此功能需要文本分析工具箱™模型对于FastText英语160亿令牌字嵌入金宝app支持包。如果未安装此支持金宝app包，则该函数提供了下载链接。

emb = fastTextWordEmbedding;

创建文档的Mini-Batch数据存储

创建一个包含培训数据的数据存储。自定义迷你批处理数据存储textDatastore从CSV文件中读取预测器和标签。对于预测器，数据存储区将文档转换为单词索引和响应的序列，数据存储返回每个文档的分类标签。有关创建自定义迷你批处理数据存储的详细信息，请参阅开发自定义小批量数据存储（深度学习工具箱）．

对于培训数据，请指定CSV文件“factoryReports.csv”并且该文本和标签位于列中“描述”和“类别”分别。

Filenametrain =.“factoryReports.csv”；textName =“描述”；labelName =“类别”；dstrain = textdataStore（filenametrain，textname，labelname，mem）

dsTrain = textDatastore with properties: ClassNames: ["Electronic Failure" "Leak" "Mechanical Failure" "Software Failure"]TransformedDatastore] embedingdimension: 300 LabelName:“类别”MiniBatchSize: 128 NumClasses: 4 nummobservations: 480

建立和培训LSTM网络

定义LSTM网络架构。要将序列数据输入网络，请包括序列输入层并将输入大小设置为嵌入尺寸。接下来，包括具有180个隐藏单元的LSTM层。要使用LSTM层进行序列到标签分类问题，请将输出模式设置为'最后的'．最后，将具有等于类别的输出大小的完全连接的图层，Softmax层和分类层。

numFeatures = dsTrain.EmbeddingDimension;numHiddenUnits = 180;numClasses = dsTrain.NumClasses;层= [......sequenceInputlayer（numfeatures）lstmlayer（numhidentunits，“OutputMode”那'最后的'）全连接列（numclasses）softmaxlayer分类层];

指定培训选项。指定求解器'亚当'和渐变阈值为2.数据存储textDatastore.m不支持洗牌，所以设金宝app置“洗牌”,'绝不'．有关如何实现支持变换的数据存储的示例，请参见金宝app开发自定义小批量数据存储（深度学习工具箱）．为了监控训练进度，设置'plots'选项'培训 - 进步'．要抑制详细输出，请设置“详细”到假．

默认情况下,trainNetwork如果GPU可用，则使用GPU。要手动指定执行环境，请使用'executionenvironment'的名称-值对参数trainingOptions．在CPU上进行训练所花费的时间要比在GPU上花费的时间长得多。使用GPU的培训需要并行计算工具箱™和支持的GPU设备。金宝app有关支持的设备的信息，请参见金宝appGPU支金宝app持情况（并行计算工具箱）．

miniBatchSize = 128;numObservations = dsTrain.NumObservations;numIterationsPerEpoch = floor(nummobations / miniBatchSize);选择= trainingOptions ('亚当'那......'minibatchsize'miniBatchSize,......“GradientThreshold”2,......“洗牌”那'绝不'那......'plots'那'培训 - 进步'那......“详细”、假);

使用该网络训练LSTM网络trainNetwork功能。

网= trainNetwork (dsTrain层,选项);

使用新数据预测

对三个新报告的事件类型进行分类。创建包含新报告的字符串数组。

reportsNew = [“冷却剂在分拣机下面汇集。”“分类器在启动时烧断保险丝。”“从组装器里传出很响的咔哒声。”]；

使用预处理步骤作为数据存储的预处理预处理文本数据textDatastore．

文档= tokenizeddocument（eportsnew）;文件=较低（文件）;文件=侵蚀（文件）;预测器= doc2sequence（mem，文件）;

用训练好的LSTM网络对新的序列进行分类。

Labelsnew =分类（网络，预测器）

Labelsnew =3×1分类泄漏电子故障机械故障