Définir le modèle avec Teacher Forcing
Maintenant que toutes les couches sont en place, l'étape suivante consiste à définir un objet Model de Keras. Ce modèle diffère légèrement de celui que vous avez défini plus tôt, car le nouveau modèle comporte deux couches d'entrée.
On vous a fourni les couches Keras que vous avez créées dans l'exercice précédent, soit en_inputs, en_gru, de_inputs, de_gru et de_pred.
Cette activité fait partie du cours
Traduction automatique avec Keras
Instructions de l’exercice
- Importez l'objet
Modelde Keras depuis le sous-modulemodels. - Définissez un modèle qui prend comme entrées la couche d'entrée de l'encodeur puis la couche d'entrée du décodeur (dans cet ordre) et qui produit la prédiction finale en sortie.
- Compilez le modèle avec l'optimiseur
adamet la fonction de pertecategorical_crossentropy. - Affichez le sommaire du modèle.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import the Keras Model object
from tensorflow.keras.____ import ____
# Define a model
nmt_tf = ____(inputs=[____, ____], outputs=____)
# Compile the model with optimizer and loss
nmt_tf.compile(optimizer=____, ____=____, metrics=["acc"])
# Print the summary of the model
nmt_tf.____()