Títulos de livros codificados em one-hot
A PyBooks quer catalogar e analisar os gêneros de livros da sua biblioteca. Aplique one-hot encoding a uma lista de gêneros para torná-los legíveis por máquina.
torch já foi importado para você.
Este exercício faz parte do curso
Deep Learning para Texto com PyTorch
Instruções do exercício
- Defina o tamanho do vocabulário e salve em
vocab_size. - Crie vetores one-hot usando a técnica apropriada do
torchevocab_size. - Crie um dicionário que mapeie cada gênero para seu vetor one-hot correspondente usando compreensão de dicionário; as chaves do dicionário devem ser o gênero.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
genres = ['Fiction','Non-fiction','Biography', 'Children','Mystery']
# Define the size of the vocabulary
vocab_size = ____(____)
# Create one-hot vectors
one_hot_vectors = torch.____(____)
# Create a dictionary mapping genres to their one-hot vectors
one_hot_dict = {____: ____[i] for i, genre in enumerate(genres)}
for genre, vector in one_hot_dict.items():
print(f'{genre}: {vector.numpy()}')