Część 2: Model odwracania tekstu – enkoder

Teraz zaimplementujesz pozostałą część enkodera modelu odwracania tekstu. Enkoder przetwarza wektory one-hot produkowane przez funkcję words2onehot(), którą zaimplementowałeś(-aś) wcześniej.

W tym ćwiczeniu zaimplementujesz funkcję encoder(). Przyjmuje ona zestaw wektorów one-hot i przekształca je w listę identyfikatorów słów.

Na potrzeby tego ćwiczenia udostępniono funkcję words2onehot() oraz słownik word2index zawierający słowa We, like i dogs.

To ćwiczenie jest częścią kursu

Tłumaczenie maszynowe z Keras

Zobacz kurs

Instrukcje do ćwiczenia

Przekształć onehot na tablicę identyfikatorów słów, używając funkcji np.argmax(), i zwróć te identyfikatory.
Zdefiniuj listę słów zawierającą We, like, dogs.
Przekształć listę słów na wektory one-hot za pomocą funkcji words2onehot(). Pamiętaj, że words2onehot() przyjmuje listę słów oraz słownik Pythona jako argumenty.
Uzyskaj wektor kontekstu dla wektorów one-hot, używając funkcji encoder().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)

Edytuj i uruchom kod