ÎncepețiÎncepe gratuit

Generează o propoziție cu context

În acest exercițiu, vei experimenta cu un model pre-antrenat pentru generarea de text. Modelul este deja încărcat în mediu în variabila model, alături de funcțiile initialize_params() și get_next_token().

Aceasta din urmă folosește modelul pre-antrenat pentru a prezice următorul caracter și returnează trei variabile: următorul caracter next_char, propoziția actualizată res și textul deplasat seq, care va fi folosit pentru a prezice caracterul următor.

Vei defini o funcție care primește un model pre-antrenat și un șir de caractere ce va reprezenta începutul propoziției generate. Aceasta este o abordare utilă pentru a genera text cu context. Limita de 100 de caractere este un exemplu — poți folosi alte limite (sau chiar fără limită) în aplicațiile tale.

Acest exercițiu face parte din cursul

Rețele Neuronale Recurente (RNN) pentru Modelare a Limbajului cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Transmite variabila initial_text funcției initialize_params().
  • Creează condițiile pentru a opri bucla când contorul ajunge la 100 sau când este întâlnit un punct (r'.').
  • Transmite valorile inițiale res, seq funcției get_next_token() pentru a obține următorul caracter.
  • Afișează propoziția exemplu generată de funcția definită.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

def generate_phrase(model, initial_text):
    # Initialize variables  
    res, seq, counter, next_char = initialize_params(____)
    
    # Loop until stop conditions are met
    while counter < ____ ____ next_char != r'.':
      	# Get next char using the model and append to the sentence
        next_char, res, seq = get_next_token(model, ____, ____)
        # Update the counter
        counter = counter + 1
    return res
  
# Create a phrase
print(____(model, "I am not insane, "))
Editează și rulează codul