Parte 1: Modello di inversione del testo - Encoder

Creare un semplice modello che inverte il testo è un ottimo modo per capire la meccanica dei modelli encoder-decoder e come si collegano tra loro. Ora implementerai la parte di encoder di un modello di inversione del testo.

L’implementazione dell’encoder è suddivisa in due esercizi. In questo esercizio, definirai la funzione di supporto words2onehot(). La funzione words2onehot() deve prendere in input una lista di parole e un dizionario word2index e convertire la lista di parole in un array di vettori one-hot. Il dizionario word2index è disponibile nell’ambiente di lavoro.

Questo esercizio fa parte del corso

Traduzione automatica con Keras

Visualizza corso

Istruzioni dell'esercizio

Converti le parole in ID usando il dizionario word2index nella funzione words2onehot()
Converte gli ID delle parole in vettori one-hot di lunghezza 3 (usando l’argomento num_classes) e restituisci l’array risultante.
Chiama la funzione words2onehot() con le parole I, like e cats e assegna il risultato a onehot.
Stampa le parole e i rispettivi vettori one-hot usando le funzioni print() e zip(). La funzione zip() ti permette di iterare su più liste allo stesso tempo.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

import numpy as np

def words2onehot(word_list, word2index):
  # Convert words to word IDs
  word_ids = [____[w] for w in ____]
  # Convert word IDs to onehot vectors and return the onehot array
  onehot = ____(____, num_classes=3)
  return ____

words = ["I", "like", "cats"]
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Print the result as (, ) tuples
print([(w,ohe.tolist()) for ____,____ in zip(words, ____)])

Modifica ed esegui il codice