Generar frase con contexto

En este ejercicio, vas a experimentar con un modelo preentrenado para la generación de texto. El modelo ya está cargado en el entorno en la variable model, así como en las funciones initialize_params() y get_next_token().

Este último utiliza el modelo preentrenado para predecir el siguiente carácter y devuelve tres variables: el siguiente carácter ( next_char), la frase actualizada ( res ) y el texto desplazado ( seq ) que se utilizará para predecir el siguiente.

Definirás una función que reciba como entradas un modelo preentrenado y una cadena que será el inicio de la frase generada. Esta es una buena práctica para generar texto con contexto. El límite de caracteres de 100 es un ejemplo, puedes utilizar otros límites (o incluso ninguno) en tus aplicaciones.

Este ejercicio forma parte del curso

Redes neuronales recurrentes (RNN) para el modelado del lenguaje con Keras

Ver curso

Instrucciones del ejercicio

Pasa la variable « initial_text » a la función « initialize_params() ».
Crea condiciones para detener el bucle cuando el contador llegue a 100 o se encuentre un punto (r'.').
Pasa los valores iniciales res, seq a la función get_next_token() para obtener el siguiente carácter.
Imprime la frase de ejemplo generada por la función definida.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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, "))

Editar y ejecutar código