Genera una frase con contesto

In questo esercizio farai esperimenti con un modello pre-addestrato per la generazione di testo. Il modello è già caricato nell'ambiente nella variabile model, così come le funzioni initialize_params() e get_next_token().

Quest’ultima usa il modello pre-addestrato per prevedere il carattere successivo e restituisce tre variabili: il carattere successivo next_char, la frase aggiornata res e il testo traslato seq che verrà usato per prevedere il prossimo.

Definirai una funzione che riceve in input un modello pre-addestrato e una stringa che sarà l’inizio della frase generata. È una buona pratica per generare testo con contesto. Il limite di 100 caratteri è solo un esempio: nelle tue applicazioni puoi usare altri limiti (o persino nessun limite).

Questo esercizio fa parte del corso

Reti Neurali Ricorrenti (RNN) per il Language Modeling con Keras

Visualizza corso

Istruzioni dell'esercizio

Passa la variabile initial_text alla funzione initialize_params().
Crea le condizioni per interrompere il ciclo quando il contatore raggiunge 100 o viene trovato un punto (r'.').
Passa i valori iniziali res, seq alla funzione get_next_token() per ottenere il carattere successivo.
Stampa la frase di esempio generata dalla funzione definita.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

def generate_phrase(model, initial_text):
    # Initialize variables  
    res, seq, counter, next_char = initialize_params(____)
    
    # Loop until stop conditions are met
    while counter < ____ ____ next_char != r'.':
      	# Get next char using the model and append to the sentence
        next_char, res, seq = get_next_token(model, ____, ____)
        # Update the counter
        counter = counter + 1
    return res
  
# Create a phrase
print(____(model, "I am not insane, "))

Modifica ed esegui il codice