शुरू करेंमुफ़्त में शुरू करें

भाग 2: टेक्स्ट रिवर्सिंग मॉडल - Encoder

अब आप टेक्स्ट रिवर्सिंग मॉडल के एन्कोडर के बाकी हिस्से को इम्प्लीमेंट करेंगे. एन्कोडर, पहले से इम्प्लीमेंट किए गए words2onehot() फंक्शन द्वारा बनाए गए one-hot वेक्टर्स पर काम करता है.

यहाँ आप encoder() फंक्शन इम्प्लीमेंट करेंगे. encoder() फंक्शन one-hot वेक्टर्स के सेट को लेता है और उन्हें शब्द IDs की एक लिस्ट में बदलता है.

इस अभ्यास के लिए, words2onehot() फंक्शन और word2index डिक्शनरी (जिसमें We, like और dogs शब्द हैं) प्रदान की गई है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ Machine Translation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • np.argmax() फंक्शन का उपयोग करके onehot को शब्द IDs की array में बदलें और वही IDs रिटर्न करें.
  • We, like, dogs शब्दों के साथ एक लिस्ट परिभाषित करें.
  • words2onehot() फंक्शन का उपयोग करके शब्दों की लिस्ट को one-hot वेक्टर्स में बदलें. ध्यान रखें कि words2onehot() अपने आर्ग्युमेंट के रूप में शब्दों की लिस्ट और एक Python डिक्शनरी लेता है.
  • one-hot वेक्टर्स का कॉन्टेक्स्ट वेक्टर encoder() फंक्शन का उपयोग करके प्राप्त करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)
कोड संपादित करें और चलाएँ