Förstå one-hot-vektorer
Här får du lära dig att skapa one-hot-kodade vektorer från ord. One-hot-kodning är en vanlig omvandling som används för att representera ord numeriskt.
Du kommer att använda Keras-funktionen to_categorical() för att skapa one-hot-vektorer. Funktionen to_categorical() förväntar sig en sekvens av heltal som indata. Därför finns en word2index-ordbok tillgänglig som du kan använda för att konvertera ett ord till ett heltal.
För att slutföra övningen behöver du även använda Pythons inbyggda funktion zip(). Med zip() kan du iterera över flera saker samtidigt. Om du till exempel har två listor xx och yy av samma längd kan du skriva for x,y in zip(xx,yy) för att iterativt komma åt varje element x och y i listorna.
Den här övningen är en del av kursen
Maskinöversättning med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
from tensorflow.keras.utils import to_categorical
# Create a list of words and convert them to indices
words = [____, ____, ____]
word_ids = [word2index[____] for w in ____]
print(____)