1. Learn
  2. /
  3. Courses
  4. /
  5. Wprowadzenie do uczenia głębokiego z Keras

Connected

Exercise

Dekodowanie predykcji

Twój model LSTM (model) został już wytrenowany (szczegóły znajdziesz w komunikacie sukcesu poprzedniego ćwiczenia), więc nie musisz czekać. Czas zdefiniować funkcję, która będzie dekodować jego predykcje. Wytrenowany model zostanie przekazany do tej funkcji jako domyślny parametr.

Ponieważ model korzysta z funkcji softmax, możesz użyć argmax() z biblioteki NumPy, aby uzyskać indeks/pozycję reprezentującą najbardziej prawdopodobne następne słowo spośród wektora prawdopodobieństw na wyjściu.

tokenizer, który wcześniej utworzyłeś i dopasowałeś, jest już załadowany. Skorzystasz z jego wewnętrznego słownika index_word, aby zamienić predykcję modelu dotyczącą następnego słowa (wyrażoną jako liczba całkowita) na rzeczywiste słowo, które reprezentuje.

Jesteś już bardzo blisko eksperymentowania z modelem!

Instructions

100 XP
  • Użyj texts_to_sequences(), aby zamienić parametr test_text na sekwencję liczb.
  • Uzyskaj predykcję modelu dotyczącą następnego słowa, przekazując test_seq. Indeks/pozycja reprezentująca słowo o najwyższym prawdopodobieństwie jest zwracana przez wywołanie .argmax(axis=1)[0] na tablicy NumPy z predykcjami.
  • Zwróć słowo odpowiadające predykcji, korzystając ze słownika index_word tokenizera.