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 de inglês para francês?

Neste exercício, você vai definir um modelo de tradução automática neural baseado em codificador-decodificador semelhante, mas muito mais simples. Especificamente, você usará as entradas e saídas definidas anteriormente para criar um objeto Model do Keras e compilar o modelo com uma função de perda e um otimizador fornecidos.

Aqui, são fornecidos en_inputs (camada de entrada do codificador), en_out e en_state (saídas do GRU do codificador), de_out (saída do GRU do decodificador) e de_pred (previsão do decodificador) que você definiu anteriormente.

Este exercício faz parte do curso

Machine Translation with Keras

Ver curso

Instruções do exercício

Defina um Model do Keras que receba en_inputs como entradas e as previsões do decodificador (de_pred) como saída.
Compile o modelo definido chamando <model>.compile com o otimizador 'adam', perda de entropia cruzada e acurácia (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.____()

Editar e executar o código