Titres de livres encodés en one-hot
PyBooks souhaite cataloguer et analyser les genres de livres de sa bibliothèque. Appliquez un encodage one-hot à une liste de genres pour les rendre exploitables par machine.
torch a été importé pour vous.
Cet exercice fait partie du cours
Deep Learning pour le texte avec PyTorch
Instructions
- Définissez la taille du vocabulaire et enregistrez-la dans
vocab_size. - Créez des vecteurs one-hot à l’aide de la technique appropriée de
torchet devocab_size. - Créez un dictionnaire faisant correspondre chaque genre à son vecteur one-hot à l’aide d’une compréhension de dictionnaire ; les clés du dictionnaire doivent être le genre.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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()}')