1. Learn
    2. /
  2. Kurser
    3. /
  3. Tłumaczenie maszynowe z Keras
Connected

övning

Część 2: Definiowanie pełnego modelu

Czy wiesz, że wytrenowanie jednego z wariantów Google Neural Machine Translator tylko dla zadania tłumaczenia z angielskiego na francuski zajęło około 6 dni i wymagało 96 procesorów GPU?

W tym ćwiczeniu zdefiniujesz podobny, ale znacznie prostszy model neuronowego tłumaczenia maszynowego oparty na architekturze koder-dekoder. Konkretnie – użyjesz wcześniej zdefiniowanych wejść i wyjść, aby utworzyć obiekt Model w Keras, a następnie skompilujesz model z podaną funkcją straty i optymalizatorem.

Dostępne są następujące zmienne zdefiniowane wcześniej: en_inputs (warstwa wejściowa kodera), en_out i en_state (wyjście GRU kodera), de_out (wyjście GRU dekodera) oraz de_pred (predykcja dekodera).

Instruktioner

100 XP
  • Zdefiniuj Model Keras, który przyjmuje en_inputs jako wejście i predykcje dekodera (de_pred) jako wyjście.
  • Skompiluj zdefiniowany model, wywołując <model>.compile z optymalizatorem 'adam', funkcją straty opartą na entropii krzyżowej i dokładnością (acc) jako metryką.
  • Wyświetl podsumowanie modelu.