検証付きでモデルを学習する
ここでは Teacher Forcing を用いてモデルを学習し、あわせて検証ステップも実行します。複数のエポックと反復で学習を行い、各エポックの最後に検証を実行して結果を取得します。
このために、en_text（英語の文）、fr_text（フランス語の文）、sents2seqs() 関数、nmt_tf（コンパイル済みモデル）が用意されています。さらに、tr_en と tr_fr（学習データ）、v_en と v_fr（検証データ）もすでに読み込まれています。
この演習はコースの一部です
Kerasで学ぶMachine Translation
演習の手順
de_xyから、デコーダ入力（最後の単語を除くすべて）とデコーダ出力（最初の単語を除くすべて）を抽出します。- 単一バッチのデータでモデルを学習します。
- 学習データと同様の方法で、検証データからデコーダ入力と出力を作成します。
- 検証データセットでモデルを評価し、検証損失と精度を取得します。
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。
for ei in range(n_epochs):
for i in range(0,train_size,bsize):
en_x = sents2seqs('source', tr_en[i:i+bsize], onehot=True, reverse=True)
de_xy = sents2seqs('target', tr_fr[i:i+bsize], onehot=True)
# Create a single batch of decoder inputs and outputs
de_x, de_y = ____[:,____,:], de_xy[:,____,:]
# Train the model on a single batch of data
nmt_tf.____([____,____], de_y)
v_en_x = sents2seqs('source', v_en, onehot=True, reverse=True)
# Create a single batch of validation decoder inputs and outputs
v_de_xy = ____('target', ____, onehot=____)
v_de_x, v_de_y = ____[____], v_de_xy[____]
# Evaluate the trained model on the validation data
res = nmt_tf.evaluate([____,____], ____, batch_size=valid_size, verbose=0)
print("{} => Loss:{}, Val Acc: {}".format(ei+1,res[0], res[1]*100.0))