파트 2: 텍스트 뒤집기 모델 - 인코더
이제 텍스트 뒤집기 모델의 인코더 나머지 부분을 구현해 보겠습니다. 인코더는 앞에서 구현한 words2onehot() 함수가 만든 원-핫 벡터를 입력으로 사용해요.
여기서는 encoder() 함수를 구현합니다. encoder() 함수는 여러 개의 원-핫 벡터를 받아 단어 ID의 리스트로 변환해요.
이 연습 문제에서는 words2onehot() 함수와 word2index 사전(단어 We, like, dogs 포함)이 제공됩니다.
이 연습은 강의의 일부입니다
Keras로 배우는 Machine Translation
연습 안내
np.argmax()함수를 사용해onehot을 단어 ID 배열로 변환하고, 이 단어 ID를 반환하세요.We,like,dogs로 구성된 단어 리스트를 정의하세요.words2onehot()함수를 사용해 단어 리스트를 원-핫 벡터로 변환하세요.words2onehot()은 단어 리스트와 파이썬 사전을 인수로 받는다는 점을 기억하세요.encoder()함수를 사용해 원-핫 벡터의 컨텍스트 벡터를 얻으세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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)