Partie 2 : Modèle d'inversion de texte - Encodeur

Vous allez maintenant terminer l'encodeur du modèle d'inversion de texte. L'encodeur consomme les vecteurs one-hot produits par la fonction words2onehot() que vous avez déjà implémentée.

Ici, vous allez implémenter la fonction encoder(). La fonction encoder() prend un ensemble de vecteurs one-hot et les convertit en une liste d'identifiants de mots.

Pour cet exercice, la fonction words2onehot() et le dictionnaire word2index (contenant les mots We, like et dogs) sont fournis.

Cette activité fait partie du cours

Traduction automatique avec Keras

Voir le cours

Instructions de l’exercice

Convertissez onehot en un tableau d'identifiants de mots avec la fonction np.argmax() et retournez les identifiants.
Définissez une liste de mots contenant We, like, dogs.
Convertissez la liste de mots en vecteurs one-hot avec la fonction words2onehot(). Rappelez-vous que words2onehot() prend comme arguments une liste de mots et un dictionnaire Python.
Obtenez le vecteur de contexte des vecteurs one-hot en utilisant la fonction encoder().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)

Modifier et exécuter le code