Partea 2: Model de inversare a textului – Encoder

Acum vei implementa restul encoder-ului pentru modelul de inversare a textului. Encoder-ul primește ca intrare vectorii one-hot produși de funcția words2onehot() pe care ai implementat-o anterior.

În acest exercițiu vei implementa funcția encoder(). Aceasta primește un set de vectori one-hot și îi convertește într-o listă de ID-uri de cuvinte.

Pentru acest exercițiu, funcția words2onehot() și dicționarul word2index (care conține cuvintele We, like și dogs) au fost deja furnizate.

Acest exercițiu face parte din cursul

Traducere automată cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

Convertește onehot într-un array de ID-uri de cuvinte folosind funcția np.argmax() și returnează ID-urile obținute.
Definește o listă de cuvinte care conține We, like, dogs.
Convertește lista de cuvinte în vectori one-hot folosind funcția words2onehot(). Reține că words2onehot() primește o listă de cuvinte și un dicționar Python ca argumente.
Obține vectorul de context al vectorilor one-hot folosind funcția encoder().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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)

Editează și rulează codul