Definiera Teacher Forcing-modellen
Nu när alla lager är skapade är nästa steg att definiera ett Keras Model-objekt. Den här modellen skiljer sig något från den du definierade tidigare, eftersom den nya modellen har två indatalager.
Du har tillgång till de Keras-lager som du implementerade i föregående övning, inklusive en_inputs, en_gru, de_inputs, de_gru och de_pred.
Den här övningen är en del av kursen
Maskinöversättning med Keras
Övningsinstruktioner
- Importera Keras
Model-objektet från undermodulenmodels. - Definiera en modell som tar kodararens indatalager och avkodarens indatalager som indata (i den ordningen) och returnerar den slutliga prediktionen.
- Kompilera modellen med optimeraren
adamoch förlustfunktionencategorical_crossentropy. - Skriv ut modellens sammanfattning.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import the Keras Model object
from tensorflow.keras.____ import ____
# Define a model
nmt_tf = ____(inputs=[____, ____], outputs=____)
# Compile the model with optimizer and loss
nmt_tf.compile(optimizer=____, ____=____, metrics=["acc"])
# Print the summary of the model
nmt_tf.____()