Lien entre le modèle entraîné et le modèle d'inférence

Ici, vous allez transférer les poids appris du modèle entraîné vers le modèle d'inférence. Dans le modèle encodeur-décodeur, trois couches possèdent des paramètres :

La couche GRU de l'encodeur
La couche GRU du décodeur
La couche Dense du décodeur

Les autres couches, comme TimeDistributed, n'ont pas de paramètres et n'exigent donc pas la copie de poids.

Pour cet exercice, on vous fournit la couche GRU d'encodeur entraînée (tr_en_gru), la couche GRU de décodeur entraînée (tr_de_gru) et la couche Dense entraînée (tr_de_dense). Vous avez aussi accès à toutes les couches du modèle d'inférence (y compris l'encodeur), comme la couche GRU de l'encodeur (en_gru), la couche GRU du décodeur (de_gru) et la couche Dense (de_dense).

Cette activité fait partie du cours

Traduction automatique avec Keras

Voir le cours

Instructions de l’exercice

Chargez les poids de la couche GRU de l'encodeur entraîné.
Définissez les poids de la couche GRU de l'encodeur du modèle d'inférence.
Chargez les poids de la couche GRU du décodeur (entraînée) et définissez-les dans le modèle d'inférence.
Chargez les poids de la couche Dense du décodeur (entraînée) et définissez-les dans le modèle d'inférence.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____.____)

Modifier et exécuter le code