ส่วนที่ 2: กำหนดโมเดลแบบเต็ม

รู้หรือไม่ว่าการเทรน Google Neural Machine Translator เวอร์ชันหนึ่งเฉพาะงานแปลภาษาอังกฤษเป็นฝรั่งเศสนั้น ใช้เวลาประมาณ 6 วันและ GPU ถึง 96 ตัว

ในแบบฝึกหัดนี้ คุณจะกำหนดโมเดลแปลภาษาด้วยโครงข่ายประสาทเทียมแบบ encoder-decoder ที่มีความซับซ้อนน้อยกว่ามาก โดยจะนำ input และ output ที่กำหนดไว้ก่อนหน้ามาสร้างออบเจกต์ Keras Model และ compile โมเดลด้วยฟังก์ชัน loss และ optimizer ที่กำหนดให้

ในที่นี้มีตัวแปรที่เตรียมไว้ให้แล้ว ได้แก่ en_inputs (เลเยอร์ input ของ encoder), en_out และ en_state (output ของ encoder GRU), de_out (output ของ decoder GRU) และ de_pred (การพยากรณ์ของ decoder) ซึ่งคุณได้กำหนดไว้ก่อนหน้านี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Translation ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนด Keras Model โดยรับ en_inputs เป็น input และการพยากรณ์ของ decoder (de_pred) เป็น output
Compile โมเดลที่กำหนดโดยเรียกใช้ <model>.compile พร้อมระบุ optimizer เป็น 'adam', cross entropy loss และ accuracy (acc) เป็น metric
พิมพ์สรุปโครงสร้างของโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from tensorflow.keras.models import Model
# Define a model with encoder input and decoder output
nmt = ____(____=____, outputs=____)

# Compile the model with an optimizer and a loss
nmt.____(optimizer=____, ____='categorical_crossentropy', metrics=[____])

# View the summary of the model 
nmt.____()

แก้ไขและรันโค้ด