Koppeling tussen het getrainde model en het inferentiemodel

Hier draag je de getrainde gewichten over van het getrainde model naar het inferentiemodel. In het encoder-decoder-model zijn er drie lagen met parameters. Dat zijn:

De encoder-GRU-laag
De decoder-GRU-laag
De decoder-Dense-laag

De andere lagen, zoals TimeDistributed, hebben geen parameters en hoeven dus geen gewichten te kopiëren.

Voor deze oefening krijg je de getrainde encoder-GRU-laag (tr_en_gru), de getrainde decoder-GRU (tr_de_gru) en de getrainde Dense-laag (tr_de_dense). Je hebt ook toegang tot alle lagen van het inferentiemodel (inclusief de encoder), zoals de encoder-GRU-laag (en_gru), de decoder-GRU (de_gru) en de Dense-laag (de_dense).

Deze oefening maakt deel uit van de cursus

Machine Translation met Keras

Bekijk cursus

Oefeninstructies

Laad de gewichten van de getrainde encoder-GRU-laag.
Stel de gewichten in van de encoder-GRU-laag van het inferentiemodel.
Laad de gewichten voor de decoder-GRU-laag (getraind) en stel de gewichten in het inferentiemodel in.
Laad de gewichten van de decoder-Dense-laag (getraind) en stel de gewichten in het inferentiemodel in.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Load the weights to the encoder GRU from the trained model
en_gru_w = ____.get_weights()
# Set the weights of the encoder GRU of the inference model
en_gru.____(____)
# Load and set the weights to the decoder GRU
de_gru.____(tr_de_gru.____)
# Load and set the weights to the decoder Dense
____.set_weights(____.____)

Code bewerken en uitvoeren