Partea 2: Definirea modelului complet

Știai că a fost nevoie de aproximativ 6 zile și 96 de GPU-uri pentru a antrena o variantă a Google Neural Machine Translator doar pentru sarcina de traducere din engleză în franceză?

În acest exercițiu vei defini un model de traducere automată bazat pe arhitectura encoder-decoder, similar, dar mult mai simplu. Concret, vei folosi intrările și ieșirile definite anterior pentru a crea un obiect Keras Model și vei compila modelul cu o funcție de pierdere și un optimizer specificat.

Îți sunt puse la dispoziție en_inputs (stratul de intrare al encoderului), en_out și en_state (ieșirea GRU a encoderului), de_out (ieșirea GRU a decoderului) și de_pred (predicția decoderului), toate definite anterior.

Definește un Model Keras care primește en_inputs ca intrări și predicțiile decoderului (de_pred) ca ieșire.
Compilează modelul definit apelând <model>.compile cu optimizerul 'adam', funcția de pierdere cross-entropie și acuratețea (acc) ca metrică.
Afișează rezumatul modelului.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}exercițiu

Instrucțiuni

exercițiu