Parte 1: Modelo de inversão de texto - Codificador

Criar um modelo simples de reversão de texto é uma ótima maneira de entender como funcionam os modelos de codificador-decodificador e como eles se conectam. Agora você vai implementar a parte do codificador de um modelo de reversão de texto.

A implementação do codificador foi dividida em dois exercícios. Neste exercício, você vai definir a função auxiliar “ words2onehot() ”. A função “ words2onehot() ” deve receber uma lista de palavras e um dicionário “ word2index ” e converter a lista de palavras em uma matriz de vetores one-hot. O dicionário word2index está disponível na área de trabalho.

Este exercício faz parte do curso

Tradução automática com Keras

Ver curso

Instruções do exercício

Converta palavras em IDs usando o dicionário word2index na função words2onehot()
Converte os IDs das palavras em vetores onehot com comprimento 3 (usando o argumento num_classes ) e devolve a matriz resultante.
Chame a função “ words2onehot() ” com as palavras “ I ”, “ like ” e “ cats ” e coloque o resultado em “ onehot ”.
Imprima as palavras e seus vetores onehot correspondentes usando as funções print() e zip(). A função ` zip() ` permite iterar várias listas ao mesmo tempo.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

import numpy as np

def words2onehot(word_list, word2index):
  # Convert words to word IDs
  word_ids = [____[w] for w in ____]
  # Convert word IDs to onehot vectors and return the onehot array
  onehot = ____(____, num_classes=3)
  return ____

words = ["I", "like", "cats"]
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Print the result as (, ) tuples
print([(w,ohe.tolist()) for ____,____ in zip(words, ____)])

Editar e executar o código