Bagian 2: Model pembalik teks - Encoder

Sekarang Anda akan mengimplementasikan sisa encoder dari model pembalik teks. Encoder memproses vektor one-hot yang dihasilkan oleh fungsi words2onehot() yang telah Anda implementasikan sebelumnya.

Di sini Anda akan mengimplementasikan fungsi encoder(). Fungsi encoder() menerima sekumpulan vektor one-hot dan mengonversinya menjadi daftar ID kata.

Untuk latihan ini, fungsi words2onehot() dan kamus word2index (berisi kata We, like, dan dogs) telah disediakan.

Latihan ini adalah bagian dari kursus

Penerjemahan Mesin dengan Keras

Lihat Kursus

Petunjuk latihan

Konversikan onehot menjadi array ID kata menggunakan fungsi np.argmax() dan kembalikan ID kata tersebut.
Definisikan sebuah daftar berisi kata We, like, dogs.
Konversikan daftar kata menjadi vektor one-hot menggunakan fungsi words2onehot(). Ingat bahwa words2onehot() menerima daftar kata dan sebuah kamus Python sebagai argumen.
Dapatkan vektor konteks dari vektor one-hot menggunakan fungsi encoder().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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)

Edit dan Jalankan Kode