Parte 2: Modelo de reversão de texto - Encoder

Agora você vai implementar o restante do encoder do modelo de reversão de texto. O encoder consome os vetores one-hot produzidos pela função words2onehot() que você implementou anteriormente.

Aqui você vai implementar a função encoder(). A função encoder() recebe um conjunto de vetores one-hot e os converte em uma lista de IDs de palavras.

Para este exercício, a função words2onehot() e o dicionário word2index (contendo as palavras We, like e dogs) foram fornecidos.

Este exercício faz parte do curso

Machine Translation with Keras

Ver curso

Instruções do exercício

Converta onehot em um array de IDs de palavras usando a função np.argmax() e retorne os IDs.
Defina uma lista com as palavras We, like, dogs.
Converta a lista de palavras em vetores one-hot usando a função words2onehot(). Lembre-se de que words2onehot() recebe uma lista de palavras e um dicionário Python como argumentos.
Obtenha o vetor de contexto dos vetores one-hot usando a função encoder().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)

Editar e executar o código