Kopplingen mellan den tränade modellen och inferensmodellen
I den här övningen överför du de tränade vikterna från den tränade modellen till inferensmodellen. I kodare-avkodarmodellen finns det tre lager med parametrar:
- Kodarens
GRU-lager - Avkodarens
GRU-lager - Avkodarens
Dense-lager
Övriga lager, till exempel TimeDistributed, saknar parametrar och kräver därför ingen kopiering av vikter.
För den här övningen har du tillgång till det tränade kodarens GRU-lager (tr_en_gru), det tränade avkodarens GRU (tr_de_gru) och det tränade Dense-lagret (tr_de_dense). Du har också tillgång till alla lager i inferensmodellen (inklusive kodaren), såsom kodarens GRU-lager (en_gru), avkodarens GRU (de_gru) och Dense-lagret (de_dense).
Den här övningen är en del av kursen
Maskinöversättning med Keras
Övningsinstruktioner
- Hämta vikterna från det tränade kodarens
GRU-lager. - Ange vikterna för kodarens
GRU-lager i inferensmodellen. - Hämta vikterna från det tränade avkodarens
GRU-lager och ange dem i inferensmodellen. - Hämta vikterna från det tränade avkodarens
Dense-lager och ange dem i inferensmodellen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Load the weights to the encoder GRU from the trained model
en_gru_w = ____.get_weights()
# Set the weights of the encoder GRU of the inference model
en_gru.____(____)
# Load and set the weights to the decoder GRU
de_gru.____(tr_de_gru.____)
# Load and set the weights to the decoder Dense
____.set_weights(____.____)