이제 Teacher Forcing으로 학습한 추론 모델을 사용해 프랑스어 번역을 생성해 보겠습니다.

이 모델(nmt_tf)은 10만 개 문장으로 50 epoch 동안 학습되었으며, 3만 5천 개 이상의 검증 세트에서 약 98% 정확도를 달성했습니다. 학습된 모델을 불러와야 하므로 이 연습 문제의 초기화에 시간이 조금 더 걸릴 수 있어요. sents2seqs() 함수가 제공됩니다. 또한 다음의 두 가지 새 함수도 제공됩니다:

word2onehot(tokenizer, word, vocab_size)는 다음을 인자로 받습니다:

tokenizer - Keras의 Tokenizer 객체
word - 어휘에 있는 단어를 나타내는 문자열(예: 'apple')
vocab_size - 어휘 크기

probs2word(probs, tok)는 다음을 인자로 받습니다:

probs - 모델 출력으로, 형태는 [1,<French Vocab Size>]
tok - Keras의 Tokenizer 객체

이 함수들의 소스 코드는 콘솔에서 print(inspect.getsource(word2onehot)) 및 print(inspect.getsource(probs2word))를 입력해 확인할 수 있습니다.

Teacher Forcing으로 모델 학습하기

Create Your Free Account