Definiowanie modelu z Teacher Forcing
Po utworzeniu wszystkich warstw kolejnym krokiem jest zdefiniowanie obiektu Model w Keras. Ten model różni się nieco od poprzedniego – posiada dwie warstwy wejściowe.
Do dyspozycji masz warstwy Keras zaimplementowane w poprzednim ćwiczeniu: en_inputs, en_gru, de_inputs, de_gru oraz de_pred.
To ćwiczenie jest częścią kursu
Tłumaczenie maszynowe z Keras
Instrukcje do ćwiczenia
- Zaimportuj obiekt
Modelz Keras z submodułumodels. - Zdefiniuj model, który przyjmuje warstwę wejściową enkodera i warstwę wejściową dekodera jako dane wejściowe (w tej kolejności) i zwraca końcowe przewidywanie.
- Skompiluj model, używając optymalizatora
adami funkcji stratycategorical_crossentropy. - Wyświetl podsumowanie modelu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the Keras Model object
from tensorflow.keras.____ import ____
# Define a model
nmt_tf = ____(inputs=[____, ____], outputs=____)
# Compile the model with optimizer and loss
nmt_tf.compile(optimizer=____, ____=____, metrics=["acc"])
# Print the summary of the model
nmt_tf.____()