เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างเวกเตอร์ของประโยคและอักขระถัดไป

แบบฝึกหัดนี้มุ่งเน้นให้เห็นความสำคัญของการเตรียมข้อมูลมากยิ่งขึ้น โดยจะใช้ข้อความที่มีวลีของตัวละคร Sheldon จากซีรีส์ The Big Bang Theory เป็น input แล้วสร้างเวกเตอร์ของอินดักซ์ประโยคและอักขระถัดไปที่จำเป็นก่อนสร้างโมเดลสำหรับสร้างข้อความ

ข้อความพร้อมใช้งานในตัวแปร sheldon รวมถึง vocabulary (อักขระ) ในตัวแปร vocabulary และไฮเปอร์พารามิเตอร์ chars_window และ step ที่กำหนดค่าไว้เป็น 20 และ 3 ตามลำดับ ซึ่งหมายความว่าจะใช้ลำดับอักขระ 20 ตัวเพื่อทำนายอักขระถัดไป และหน้าต่างจะเลื่อน 3 อักขระในแต่ละรอบ

นอกจากนี้ ยังได้โหลดแพ็กเกจ pandas ในชื่อ pd ไว้ในสภาพแวดล้อมแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Recurrent Neural Networks (RNNs) สำหรับ Language Modeling ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แยกข้อความตามการขึ้นบรรทัดใหม่เพื่อวนลูปผ่านแต่ละประโยค
  • วนลูปจนถึงตำแหน่งสุดท้ายของประโยคลบด้วย chars_window
  • เพิ่มส่วนของประโยคที่มีความยาว chars_window อักขระลงในตัวแปร sentences และเพิ่มอักขระถัดไปลงในตัวแปร next_chars
  • ใช้เวกเตอร์ที่ได้เพื่อสร้าง pd.DataFrame() แล้วแสดงแถวแรกของข้อมูล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate the vectors
sentences = []
next_chars = []
# Loop for every sentence
for sentence in sheldon.____:
    # Get 20 previous chars and next char; then shift by step
    for i in range(0, len(sentence) - ____, step):
        sentences.append(sentence[i:i + ____])
        next_chars.append(sentence[____ + chars_window])

# Define a Data Frame with the vectors
df = pd.DataFrame({'sentence': ____, 'next_char': ____})

# Print the initial rows
print(df.head())
แก้ไขและรันโค้ด