確率スケールを変えてみよう
この演習では、確率分布のスケーリングに使う temperature の値を変えると、生成される文がどう変わるかを確認します。
関数 generate_phrase() は、これまでに作成した関数を基にしたもので、すでに環境に読み込まれています。引数として、学習済みモデルを表す model、コンテキストとなるテキストを表す initial_text、そして softmax() 関数のスケールに使う値である temperature を受け取ります。
この演習はコースの一部です
Kerasで学ぶ言語モデリングのためのRecurrent Neural Networks (RNNs)
演習の手順
- 温度のリストを
temperatures変数に保存します。 - 変数
temperatureを使ってtemperaturesの各値をループします。 - 事前に読み込まれている関数
generate_phrase()を使ってフレーズを生成します。 - temperature と生成された文を出力します。
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。
# Define the initial text
initial_text = "Spock and me "
# Define a vector with temperature values
____ = [0.2, 0.8, 1.0, 3.0, 10.0]
# Loop over temperatures and generate phrases
for ____ in temperatures:
# Generate a phrase
phrase = ____(model, initial_text, temperature)
# Print the phrase
print('Temperature {0}: {1}'.format(____, ____))