Parte 2: Definindo o modelo completo
Você sabia que foram necessários cerca de 6 dias e 96 GPUs para treinar uma variante do Google Neural Machine Translator apenas na tarefa de tradução do inglês para o francês?
Neste exercício, você vai definir um modelo de tradutor automático neural baseado em codificador-decodificador, que é parecido, mas bem mais simples. Especificamente, você vai usar as entradas e saídas que já definiu antes e definir um objeto Keras Model e compilar o modelo com uma função de perda e um otimizador.
Aqui você encontra en_inputs (camada de entrada do codificador), en_out e en_state (saída GRU do codificador), de_out (saída GRU do decodificador) e de_pred (previsão do decodificador) que você definiu antes.
Este exercício faz parte do curso
Tradução automática com Keras
Instruções do exercício
- Defina um Keras
Model, que recebe oen_inputscomo entrada e as previsões do decodificador (de_pred) como saída. - Compile o modelo definido chamando
<model>.compilecom o otimizador'adam', perda de entropia cruzada e precisão (acc) como métrica. - Imprima o resumo do modelo.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
from tensorflow.keras.models import Model
# Define a model with encoder input and decoder output
nmt = ____(____=____, outputs=____)
# Compile the model with an optimizer and a loss
nmt.____(optimizer=____, ____='categorical_crossentropy', metrics=[____])
# View the summary of the model
nmt.____()