書籍タイトルのワンホットエンコード
PyBooks は、ライブラリ内の書籍ジャンルを整理・分析したいと考えています。書籍ジャンルのリストにワンホットエンコードを適用し、機械が扱える形式に変換しましょう。
torch はすでにインポートされています。
この演習はコースの一部です
PyTorch で学ぶテキストの Deep Learning
演習の手順
- 語彙のサイズを定義して、
vocab_sizeに保存します。 - 適切な
torchの手法とvocab_sizeを使ってワンホットベクトルを作成します。 - 辞書内包表記を使って、ジャンルをキー、そのワンホットベクトルを値とする対応表（辞書）を作成します。辞書のキーはジャンル名にしてください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
genres = ['Fiction','Non-fiction','Biography', 'Children','Mystery']
# Define the size of the vocabulary
vocab_size = ____(____)
# Create one-hot vectors
one_hot_vectors = torch.____(____)
# Create a dictionary mapping genres to their one-hot vectors
one_hot_dict = {____: ____[i] for i, genre in enumerate(genres)}
for genre, vector in one_hot_dict.items():
print(f'{genre}: {vector.numpy()}')