Treinar o modelo com validação

Aqui você vai aprender como treinar o modelo de tradução automática neural com uma etapa de validação.

Você vai ver o modelo “ nmt ” que criou no último capítulo. Além disso, você vai treinar o modelo com frases em inglês e francês que você encontra no repositório GitHub da Udacity. Você vai receber um texto em inglês (tr_en) e um texto em francês (tf_fr) pra treinar, além de um texto em inglês (v_en) e um texto em francês (v_fr) pra validar o que você aprendeu no exercício anterior.

Treinar o modelo leva um tempinho, então seu código vai demorar um pouco mais pra rodar.

Este exercício faz parte do curso

Tradução automática com Keras

Ver curso

Instruções do exercício

Crie dados de validação transformando v_en e v_fr usando a função sents2seqs.
Consiga um lote de entradas e saídas transformadas corretamente usando a função sents2seqs.
Use as entradas (en_x) e saídas (de_y) para treinar o nmt em um único lote.
Use v_en_x e v_de_y junto com valid_size como batch_size para avaliar o modelo nmt e ver a precisão da validação.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Convert validation data to onehot
v_en_x = ____(____, ____, onehot=____, reverse=____)
v_de_y = ____(____, ____, onehot=True)

n_epochs, bsize = 3, 250
for ei in range(n_epochs):
  for i in range(0,train_size,bsize):
    # Get a single batch of inputs and outputs
    en_x = ____(____, tr_en[____:____], onehot=____, reverse=____)
    de_y = sents2seqs(____, tr_fr[____:____], onehot=True)
    # Train the model on a single batch of data
    nmt.____(____, ____)    
  # Evaluate the trained model on the validation data
  res = nmt.evaluate(____, ____, batch_size=valid_size, verbose=0)
  print("{} => Loss:{}, Val Acc: {}".format(ei+1,res[0], res[1]*100.0))

Editar e executar o código