प्रोबेबिलिटी स्केल बदलें
इस अभ्यास में, आप देखेंगे कि temperature के अलग-अलग मानों से प्रोबेबिलिटी डिस्ट्रीब्यूशन को स्केल करने पर प्राप्त वाक्य कैसे बदलता है.
फंक्शन generate_phrase() उस फंक्शन का रूपांतरण है जिसे आप पहले बना चुके हैं, और यह पहले से ही एनवायरनमेंट में लोड है. यह पैरामीटर लेता है: model (प्रि-ट्रेंड मॉडल), initial_text (कॉन्टेक्स्ट टेक्स्ट) और temperature जो softmax() फंक्शन को स्केल करने का मान है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)
अभ्यास निर्देश
- temperatures की सूची को वैरिएबल
temperaturesमें स्टोर करें. - वैरिएबल
temperatureको सूचीtemperaturesपर लूप कराएँ. - प्री-लोडेड फंक्शन
generate_phrase()का उपयोग करके एक वाक्यांश जनरेट करें. - temperature और जनरेट किया गया वाक्य प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define the initial text
initial_text = "Spock and me "
# Define a vector with temperature values
____ = [0.2, 0.8, 1.0, 3.0, 10.0]
# Loop over temperatures and generate phrases
for ____ in temperatures:
# Generate a phrase
phrase = ____(model, initial_text, temperature)
# Print the phrase
print('Temperature {0}: {1}'.format(____, ____))