Verbindung zwischen dem trainierten Modell und dem Inferenzmodell
Hier übertragst du die trainierten Gewichte vom trainierten Modell ins Inferenzmodell. Im Encoder-Decoder-Modell gibt's drei Schichten mit Parametern. Das sind:
- Die Encoder-
GRU-Schicht - Die Decoder-
GRUsschicht - Die Decoder-
Densesschicht
Die anderen Schichten, wie z. B. „ TimeDistributed “, haben keine Parameter und brauchen daher kein Kopieren der Gewichte.
Für diese Übung hast du den trainierten Encoder GRU layer (tr_en_gru), den trainierten Decoder GRU (tr_de_gru) und die trainierte Dense layer (tr_de_dense) bekommen. Du kannst auch auf alle Ebenen des Inferenzmodells zugreifen (einschließlich des Encoders), wie zum Beispiel die Encoder- GRU -Ebene (en_gru), den Decoder- GRU (de_gru) und die Dense -Ebene (de_dense).
Diese Übung ist Teil des Kurses
Maschinelle Übersetzung mit Keras
Anleitung zur Übung
- Lade die Gewichte der trainierten Encoder-
GRU-Schicht. - Leg die Gewichte für die Encoder-
GRU-Schicht des Inferenzmodells fest. - Lade die Gewichte für die Decoder-
GRU-Schicht (trainiert) und leg die Gewichte im Inferenzmodell fest. - Lade die Gewichte der Decoder-
Dense-Schicht (trainiert) und leg die Gewichte im Inferenzmodell fest.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Load the weights to the encoder GRU from the trained model
en_gru_w = ____.get_weights()
# Set the weights of the encoder GRU of the inference model
en_gru.____(____)
# Load and set the weights to the decoder GRU
de_gru.____(tr_de_gru.____)
# Load and set the weights to the decoder Dense
____.set_weights(____.____)