Bagian 2: Mendefinisikan model lengkap

Tahukah Anda bahwa diperlukan sekitar 6 hari dan 96 GPU untuk melatih sebuah varian Google Neural Machine Translator hanya untuk tugas penerjemahan bahasa Inggris ke bahasa Prancis.

Dalam latihan ini, Anda akan mendefinisikan model penerjemah mesin berbasis encoder-decoder yang serupa namun jauh lebih sederhana. Secara khusus, Anda akan menggunakan masukan dan keluaran yang sudah didefinisikan sebelumnya untuk membuat objek Model Keras dan melakukan kompilasi model dengan fungsi loss dan optimizer yang diberikan.

Di sini tersedia en_inputs (lapisan masukan encoder), en_out dan en_state (keluaran GRU encoder), de_out (keluaran GRU decoder), serta de_pred (prediksi decoder) yang telah Anda definisikan sebelumnya.

Latihan ini adalah bagian dari kursus

Penerjemahan Mesin dengan Keras

Lihat Kursus

Petunjuk latihan

Definisikan Model Keras yang menerima en_inputs sebagai masukan dan prediksi decoder (de_pred) sebagai keluaran.
Kompilasi model yang didefinisikan dengan memanggil <model>.compile menggunakan optimizer 'adam', loss cross-entropy, dan akurasi (acc) sebagai metrik.
Cetak ringkasan model.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

from tensorflow.keras.models import Model
# Define a model with encoder input and decoder output
nmt = ____(____=____, outputs=____)

# Compile the model with an optimizer and a loss
nmt.____(optimizer=____, ____='categorical_crossentropy', metrics=[____])

# View the summary of the model 
nmt.____()

Edit dan Jalankan Kode