Keterkaitan antara model terlatih dan model inferensi

Di sini Anda akan memindahkan bobot yang telah dilatih dari model terlatih ke model inferensi. Dalam model encoder–decoder, ada tiga layer yang memiliki parameter, yaitu:

Layer GRU encoder
Layer GRU decoder
Layer Dense decoder

Layer lain, seperti TimeDistributed, tidak memiliki parameter, sehingga tidak memerlukan penyalinan bobot.

Untuk latihan ini, Anda telah disediakan layer GRU encoder terlatih (tr_en_gru), GRU decoder terlatih (tr_de_gru), dan layer Dense terlatih (tr_de_dense). Anda juga memiliki akses ke semua layer pada model inferensi (termasuk encoder), seperti layer GRU encoder (en_gru), GRU decoder (de_gru), dan layer Dense (de_dense).

Latihan ini merupakan bagian dari kursus

Penerjemahan Mesin dengan Keras

Lihat Kursus

Instruksi latihan

Muat bobot dari layer GRU encoder terlatih.
Tetapkan bobot untuk layer GRU encoder pada model inferensi.
Muat bobot untuk layer GRU decoder (terlatih) dan tetapkan bobotnya pada model inferensi.
Muat bobot dari layer Dense decoder (terlatih) dan tetapkan bobotnya pada model inferensi.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Load the weights to the encoder GRU from the trained model
en_gru_w = ____.get_weights()
# Set the weights of the encoder GRU of the inference model
en_gru.____(____)
# Load and set the weights to the decoder GRU
de_gru.____(tr_de_gru.____)
# Load and set the weights to the decoder Dense
____.set_weights(____.____)

Edit dan Jalankan Kode