ส่วนที่ 2: โมเดลกลับข้อความ - Encoder

ต่อไปจะมาสร้างส่วนที่เหลือของ encoder ในโมเดลกลับข้อความ encoder จะรับ one-hot vectors ที่ผลิตโดยฟังก์ชัน words2onehot() ที่ได้สร้างไว้ก่อนหน้านี้

ในแบบฝึกหัดนี้ จะเป็นการสร้างฟังก์ชัน encoder() ซึ่งรับ one-hot vectors และแปลงให้เป็นรายการของ word ID

ฟังก์ชัน words2onehot() และ dictionary word2index (ที่มีคำว่า We, like และ dogs) ได้เตรียมไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Translation ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

แปลง onehot ให้เป็น array ของ word ID โดยใช้ฟังก์ชัน np.argmax() แล้ว return ค่า word ID ออกมา
กำหนดรายการคำที่ประกอบด้วย We, like, dogs
แปลงรายการคำให้เป็น onehot vectors โดยใช้ฟังก์ชัน words2onehot() โดย words2onehot() รับรายการคำและ Python dictionary เป็นอาร์กิวเมนต์
รับ context vector ของ onehot vectors โดยใช้ฟังก์ชัน encoder()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)

แก้ไขและรันโค้ด