Het Teacher Forcing-model definiëren

Nu alle lagen zijn gemaakt, is de volgende stap het definiëren van een Keras-Model-object. Dit model wijkt iets af van het model dat je eerder definieerde, omdat het nieuwe model twee invoerlagen heeft.

Je krijgt de Keras-lagen die je in de vorige oefening hebt geïmplementeerd, waaronder en_inputs, en_gru, de_inputs, de_gru en de_pred.

Deze oefening maakt deel uit van de cursus

Machine Translation met Keras

Cursus bekijken

Oefeninstructies

Importeer het Keras-Model-object uit de submodule models.
Definieer een model dat de encoder-invoerlaag en decoder-invoerlaag als invoer neemt (in die volgorde) en de uiteindelijke voorspelling als uitvoer geeft.
Compileer het model met de optimizer adam en de verliesfunctie categorical_crossentropy.
Print de samenvatting van het model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import the Keras Model object
from tensorflow.keras.____ import ____

# Define a model
nmt_tf = ____(inputs=[____, ____], outputs=____)
# Compile the model with optimizer and loss
nmt_tf.compile(optimizer=____, ____=____, metrics=["acc"])
# Print the summary of the model
nmt_tf.____()

Code bewerken en uitvoeren