शुरू करेंमुफ़्त में शुरू करें

Embedding मॉडल परिभाषित करना

आप एक Keras मॉडल परिभाषित करेंगे जो:

  • Embedding लेयर्स का उपयोग करता है
  • Teacher Forcing के साथ train किया जाएगा

इस मॉडल में दो embedding लेयर्स होंगी: एक encoder embedding लेयर और एक decoder embedding लेयर. साथ ही, क्योंकि मॉडल को Teacher Forcing से train किया जा रहा है, यह decoder की Input लेयर में sequence लंबाई fr_len-1 उपयोग करेगा.

इस अभ्यास के लिए, आपके पास सभी आवश्यक keras.layers और Model इम्पोर्ट किए हुए हैं. साथ ही वैरिएबल en_len (English sequence लंबाई), fr_len (French sequence लंबाई), en_vocab (English vocabulary size), fr_vocab (French vocabulary size) और hsize (hidden size) पहले से defined हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ Machine Translation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक Input लेयर परिभाषित करें जो word IDs की sequence स्वीकार करे.
  • एक Embedding लेयर परिभाषित करें जो en_vocab शब्दों को embed करे, जिसकी लंबाई 96 हो और IDs की sequence स्वीकार कर सके (sequence लंबाई input_length argument से बताई जाती है).
  • एक Embedding लेयर परिभाषित करें जो fr_vocab शब्दों को embed करे, जिसकी लंबाई 96 हो और fr_len-1 IDs की sequence स्वीकार कर सके.
  • ऐसा मॉडल परिभाषित करें जो encoder से एक input और decoder से एक input (उसी क्रम में) ले और word predictions आउटपुट करे.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define an input layer which accepts a sequence of word IDs
en_inputs = Input(____=(____,))
# Define an Embedding layer which accepts en_inputs
en_emb = ____(____, ____, input_length=____)(en_inputs)
en_out, en_state = GRU(hsize, return_state=True)(en_emb)

de_inputs = Input(shape=(fr_len-1,))
# Define an Embedding layer which accepts de_inputs
de_emb = Embedding(____, 96, input_length=____)(____)
de_out, _ = GRU(hsize, return_sequences=True, return_state=True)(de_emb, initial_state=en_state)
de_pred = TimeDistributed(Dense(fr_vocab, activation='softmax'))(de_out)

# Define the Model which accepts encoder/decoder inputs and outputs predictions 
nmt_emb = Model([____, ____], ____)
nmt_emb.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
कोड संपादित करें और चलाएँ