ทำความเข้าใจ one-hot vectors
ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธีสร้าง one-hot encoded vectors จากคำต่าง ๆ การทำ one-hot encoding เป็นการแปลงข้อมูลที่ใช้กันทั่วไปเพื่อแทนค่าคำในรูปแบบตัวเลข
จะใช้ฟังก์ชัน to_categorical() ของ Keras ในการสร้าง one-hot vectors โดยฟังก์ชันนี้รับลำดับของจำนวนเต็มเป็น input ดังนั้นจึงมี dictionary ชื่อ word2index ให้พร้อมใช้งาน เพื่อแปลงคำเป็นจำนวนเต็ม
นอกจากนี้ ยังต้องใช้ฟังก์ชัน zip() ที่มีอยู่ใน Python ด้วย ฟังก์ชัน zip() ช่วยให้วนซ้ำหลายรายการพร้อมกันได้ ตัวอย่างเช่น หากมีสองลิสต์ xx และ yy ที่มีความยาวเท่ากัน การเรียก for x,y in zip(xx,yy) จะช่วยให้เข้าถึงสมาชิก x และ y ของแต่ละลิสต์ได้ทีละตัว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Translation ด้วย Keras
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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(____)