Začněte nyníZačněte zdarma

Generování věty s kontextem

V tomto cvičení si vyzkoušíš předtrénovaný model pro generování textu. Model je již načtený v prostředí v proměnné model, stejně jako funkce initialize_params() a get_next_token().

Tato druhá funkce využívá předtrénovaný model k předpovědi dalšího znaku a vrací tři proměnné: další znak next_char, aktualizovanou větu res a posunutý text seq, který se použije k předpovědi následujícího znaku.

Definuješ funkci, která jako vstup přijme předtrénovaný model a řetězec, jímž bude začínat generovaná věta. Je to osvědčený způsob, jak generovat text s kontextem. Limit 100 znaků je pouze příklad – ve vlastních aplikacích můžeš použít jiný limit (nebo dokonce žádný).

Toto cvičení je součástí kurzu

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras

Zobrazit kurz

Pokyny k cvičení

  • Předej proměnnou initial_text funkci initialize_params().
  • Nastav podmínky pro ukončení smyčky: buď když čítač dosáhne hodnoty 100, nebo když je nalezena tečka (r'.').
  • Předej počáteční hodnoty res a seq funkci get_next_token(), aby vrátila další znak.
  • Vytiskni ukázkovou větu vygenerovanou definovanou funkcí.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

def generate_phrase(model, initial_text):
    # Initialize variables  
    res, seq, counter, next_char = initialize_params(____)
    
    # Loop until stop conditions are met
    while counter < ____ ____ next_char != r'.':
      	# Get next char using the model and append to the sentence
        next_char, res, seq = get_next_token(model, ____, ____)
        # Update the counter
        counter = counter + 1
    return res
  
# Create a phrase
print(____(model, "I am not insane, "))
Upravit a spustit kód