Połączenie między modelem treningowym a modelem inferencyjnym

W tym ćwiczeniu przeniesiesz wytrenowane wagi z modelu treningowego do modelu inferencyjnego. W modelu enkodera-dekodera istnieją trzy warstwy z parametrami:

Warstwa GRU enkodera
Warstwa GRU dekodera
Warstwa Dense dekodera

Pozostałe warstwy, takie jak TimeDistributed, nie mają żadnych parametrów, więc nie wymagają kopiowania wag.

Na potrzeby tego ćwiczenia masz do dyspozycji wytrenowaną warstwę GRU enkodera (tr_en_gru), wytrenowaną warstwę GRU dekodera (tr_de_gru) oraz wytrenowaną warstwę Dense (tr_de_dense). Masz również dostęp do wszystkich warstw modelu inferencyjnego (w tym enkodera): warstwy GRU enkodera (en_gru), warstwy GRU dekodera (de_gru) oraz warstwy Dense (de_dense).

To ćwiczenie jest częścią kursu

Tłumaczenie maszynowe z Keras

Zobacz kurs

Instrukcje do ćwiczenia

Wczytaj wagi wytrenowanej warstwy GRU enkodera.
Ustaw wagi warstwy GRU enkodera w modelu inferencyjnym.
Wczytaj wagi warstwy GRU dekodera (wytrenowanej) i ustaw je w modelu inferencyjnym.
Wczytaj wagi warstwy Dense dekodera (wytrenowanej) i ustaw je w modelu inferencyjnym.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Load the weights to the encoder GRU from the trained model
en_gru_w = ____.get_weights()
# Set the weights of the encoder GRU of the inference model
en_gru.____(____)
# Load and set the weights to the decoder GRU
de_gru.____(tr_de_gru.____)
# Load and set the weights to the decoder Dense
____.set_weights(____.____)

Edytuj i uruchom kod