BATCH_SIZE = 32
NB_EPOCHS = 5
# FASE DE ENTRENAMIENTO:
print('Entrenamiento')
Dcnn = DCNN(vocab_size=VOCAB_SIZE,
emb_dim=EMB_DIM,
nb_filters=NB_FILTERS,
FFN_units=FFN_UNITS,
nb_classes=NB_CLASSES,
dropout_rate=DROPOUT_RATE)
if NB_CLASSES == 2:
Dcnn.compile(loss="binary_crossentropy",
optimizer="adam",
metrics=["accuracy"])
else:
Dcnn.compile(loss="sparse_categorical_crossentropy",
optimizer="adam",
metrics=["sparse_categorical_accuracy"])
# Sistema que nos permite marcar checkpoints en
# el entrenamiento para que cada cierto tiempo
# se vaya guardando la información y podamos
# continuar entrenamientos o añadir nuevos.
checkpoint_path = "./ckpt"
ckpt = tf.train.Checkpoint(Dcnn=Dcnn)
ckpt_manager = tf.train.CheckpointManager(
ckpt, checkpoint_path, max_to_keep=5) # Guarda sólo los cinco últimos
