Übersetze Portugiesisch ins Englische
Das ist die letzte Übung des Kurses, herzlichen Glückwunsch, dass du es bis hierher geschafft hast!
Du lernst, wie man NMT-Modelle für Übersetzungen nutzt.
Ein Modell, das kurze portugiesische Phrasen codiert und in kurze englische Phrasen decodiert, wurde vorab trainiert und in die Variable „ model ” geladen.
Außerdem ist die Funktion „ predict_one() “ schon geladen. Schau dir „ help() “ an, um mehr zu erfahren. Der Datensatz ist über die Variablen „ test “ (Rohtext) und „ X_test “ (tokenisiert) verfügbar.
Du definierst eine Funktion, die eine Liste von Sätzen übersetzt. In den Parametern ist „ sentences “ eine Liste der zu übersetzenden Ausdrücke, „ index_to_word “ ist ein „ dict “, das numerische Indizes als Schlüssel und Wörter als Werte für die englische Sprache enthält und in die Variable „ en_index_to_word “ geladen wird.
Die Modellzusammenfassung wurde ausgedruckt und liegt dir zur Ansicht vor.
Diese Übung ist Teil des Kurses
<Kurs>Rekursive neuronale Netze (RNNs) für die Sprachmodellierung mit Keras</Kurs>Übungsanweisungen
- Durchlaufe den Aufzählungsiterator der Phrasen.
- Benutz die vorinstallierte Funktion „
predict_one()“, um einen Satz zu übersetzen. - Druck das Übersetzungsergebnis aus.
- Ruf die Funktion auf, um die ersten 10 Sätze aus der Variablen „
X_test” zu übersetzen.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Function to predict many phrases
def predict_many(model, sentences, index_to_word, raw_dataset):
for i, sentence in ____(sentences):
# Translate the Portuguese sentence
translation = ____(model, sentence, index_to_word)
# Get the raw Portuguese and English sentences
raw_target, raw_src = raw_dataset[i]
# Print the correct Portuguese and English sentences and the predicted
print('src=[%s], target=[%s], predicted=[%s]' % (raw_src, raw_target, ____))
____(model, X_test[____], en_index_to_word, test)