Títulos de libros con one-hot encoding
PyBooks quiere catalogar y analizar los géneros de libros de su biblioteca. Aplica one-hot encoding a una lista de géneros para que sean legibles por máquina.
torch ya se ha importado por ti.
Este ejercicio forma parte del curso
Deep Learning para texto con PyTorch
Instrucciones del ejercicio
- Define el tamaño del vocabulario y guárdalo en
vocab_size. - Crea vectores one-hot usando la técnica adecuada de
torchyvocab_size. - Crea un diccionario que mapee los géneros a sus vectores one-hot correspondientes usando una comprensión de diccionario; las claves del diccionario deben ser el género.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
genres = ['Fiction','Non-fiction','Biography', 'Children','Mystery']
# Define the size of the vocabulary
vocab_size = ____(____)
# Create one-hot vectors
one_hot_vectors = torch.____(____)
# Create a dictionary mapping genres to their one-hot vectors
one_hot_dict = {____: ____[i] for i, genre in enumerate(genres)}
for genre, vector in one_hot_dict.items():
print(f'{genre}: {vector.numpy()}')