Parte 2: Modello di inversione del testo - Encoder

Ora implementerai il resto dell'encoder del modello di inversione del testo. L'encoder elabora i vettori one-hot prodotti dalla funzione words2onehot() che hai implementato in precedenza.

Qui implementerai la funzione encoder(). La funzione encoder() prende in input un insieme di vettori one-hot e li converte in una lista di ID di parole.

Per questo esercizio, sono già forniti la funzione words2onehot() e il dizionario word2index (che contiene le parole We, like e dogs).

Questo esercizio fa parte del corso

Traduzione automatica con Keras

Visualizza corso

Istruzioni dell'esercizio

Converti onehot in un array di ID parola usando la funzione np.argmax() e restituisci gli ID.
Definisci una lista di parole con We, like, dogs.
Converte la lista di parole in vettori one-hot usando la funzione words2onehot(). Ricorda che words2onehot() accetta una lista di parole e un dizionario Python come argomenti.
Ottieni il vettore di contesto dei vettori one-hot usando la funzione encoder().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

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)

Modifica ed esegui il codice