เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างประโยคโดยใช้บริบท

ในแบบฝึกหัดนี้ จะได้ทดลองใช้โมเดลที่ผ่านการเทรนมาแล้วสำหรับการสร้างข้อความ โมเดลถูกโหลดไว้ในตัวแปร model พร้อมกับฟังก์ชัน initialize_params() และ get_next_token()

ฟังก์ชัน get_next_token() ใช้โมเดลที่เทรนมาแล้วเพื่อทำนายอักขระถัดไป และคืนค่าตัวแปร 3 ตัว ได้แก่ อักขระถัดไป next_char ประโยคที่อัปเดตแล้ว res และข้อความที่เลื่อนตำแหน่งแล้ว seq ซึ่งจะนำไปใช้ทำนายอักขระต่อไป

จะได้กำหนดฟังก์ชันที่รับโมเดลที่เทรนมาแล้วและสตริงที่เป็นจุดเริ่มต้นของประโยคที่จะสร้างเป็น input การสร้างข้อความโดยมีบริบทเริ่มต้นแบบนี้ถือเป็นแนวปฏิบัติที่ดี ทั้งนี้ ขีดจำกัด 100 อักขระเป็นเพียงตัวอย่างเท่านั้น สามารถกำหนดขีดจำกัดอื่นหรือไม่กำหนดขีดจำกัดเลยก็ได้ตามความเหมาะสมของแอปพลิเคชัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Recurrent Neural Networks (RNNs) สำหรับ Language Modeling ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ส่งตัวแปร initial_text ไปยังฟังก์ชัน initialize_params()
  • กำหนดเงื่อนไขเพื่อหยุด loop เมื่อตัวนับถึง 100 หรือพบจุด (r'.')
  • ส่งค่าเริ่มต้น res และ seq ไปยังฟังก์ชัน get_next_token() เพื่อรับอักขระถัดไป
  • แสดงผลประโยคตัวอย่างที่ฟังก์ชันที่กำหนดไว้สร้างขึ้น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

def generate_phrase(model, initial_text):
    # Initialize variables  
    res, seq, counter, next_char = initialize_params(____)
    
    # Loop until stop conditions are met
    while counter < ____ ____ next_char != r'.':
      	# Get next char using the model and append to the sentence
        next_char, res, seq = get_next_token(model, ____, ____)
        # Update the counter
        counter = counter + 1
    return res
  
# Create a phrase
print(____(model, "I am not insane, "))
แก้ไขและรันโค้ด