Vous allez maintenant générer des traductions en français à l'aide d'un modèle d'inférence formé à l'aide de Teacher Forcing.

Ce modèle (nmt_tf) a été entraîné pendant 50 époques sur 100 000 phrases, ce qui lui a permis d'atteindre une précision d'environ 98 % sur un ensemble de validation de plus de 35 000 phrases. Cette opération peut prendre un certain temps, car le modèle formé doit être chargé. La fonction d'sents2seqs() est mise à votre disposition. Deux nouvelles fonctions vous ont également été attribuées :

word2onehot(tokenizer, word, vocab_size) qui accepte :

tokenizer - Un objet d'Tokenizer Keras.
mot - Une chaîne représentant un mot du vocabulaire (par exemple, « 'apple' »).
vocab_size - Taille du vocabulaire

probs2word(probs, tok) qui accepte :

probs - Une sortie du modèle de la forme [1,<French Vocab Size>]
tok - Un objet d'Tokenizer Keras

Vous pouvez consulter le code source de ces fonctions en saisissant « print(inspect.getsource(word2onehot)) » et « print(inspect.getsource(probs2word)) » dans la console.

Résumé et confrontation finale

Create Your Free Account