Kodowanie one-hot tytułów książek
PyBooks chce skatalogować i przeanalizować gatunki książek w swojej bibliotece. Zastosuj kodowanie one-hot do listy gatunków książek, aby stały się one czytelne dla modelu.
torch został już zaimportowany.
To ćwiczenie jest częścią kursu
Uczenie głębokie dla tekstu z PyTorch
Instrukcje do ćwiczenia
- Zdefiniuj rozmiar słownika i zapisz go w zmiennej
vocab_size. - Utwórz wektory one-hot, korzystając z odpowiedniej metody
torchoraz zmiennejvocab_size. - Utwórz słownik przypisujący gatunki do odpowiadających im wektorów one-hot, używając składni słownikowej (dictionary comprehension); kluczami słownika powinny być nazwy gatunków.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
genres = ['Fiction','Non-fiction','Biography', 'Children','Mystery']
# Define the size of the vocabulary
vocab_size = ____(____)
# Create one-hot vectors
one_hot_vectors = torch.____(____)
# Create a dictionary mapping genres to their one-hot vectors
one_hot_dict = {____: ____[i] for i, genre in enumerate(genres)}
for genre, vector in one_hot_dict.items():
print(f'{genre}: {vector.numpy()}')