शुरू करेंमुफ़्त में शुरू करें

PyTorch में Embedding

PyBooks को एक बुक रिकमेंडेशन सिस्टम से सफलता मिली है. हालाँकि, यह टेक्स्ट में मौजूद कुछ सिमैंटिक्स को ध्यान में नहीं रखता. PyTorch की बिल्ट-इन एम्बेडिंग लेयर, डेटा से सीधे शब्दों के बीच संबंध सीख सकती है और उन्हें दर्शा सकती है. आपकी टीम इस क्षमता को एक्सप्लोर करके बुक रिकमेंडेशन सिस्टम में सुधार करना चाहती है. क्या आप इसे इम्प्लिमेंट करने में मदद कर सकते हैं?

torch और torch.nn को nn नाम से आपके लिए इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • words में हर शब्द को एक यूनिक इंडेक्स से मैप करें और word_to_idx में सेव करें.
  • word_to_idx को PyTorch टेन्सर में कन्वर्ट करें और inputs में सेव करें.
  • torch मॉड्यूल का उपयोग करके दस डाइमेंशंस वाली एक एम्बेडिंग लेयर इनिशियलाइज़ करें.
  • inputs टेन्सर को एम्बेडिंग लेयर में पास करें और आउटपुट देखें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Map a unique index to each word
words = ["This", "book", "was", "fantastic", "I", "really", "love", "science", "fiction", "but", "the", "protagonist", "was", "rude", "sometimes"]
word_to_idx = {word: ____ for i, word in enumerate(____)}

# Convert word_to_idx to a tensor
inputs = ____.____([word_to_idx[w] for w in words])

# Initialize embedding layer with ten dimensions
embedding = nn.____(num_embeddings=len(words), embedding_dim=____)

# Pass the tensor to the embedding layer
output = embedding(____)
print(output)
कोड संपादित करें और चलाएँ