Частина 1: Модель реверсу тексту — кодувальник

Створення простої моделі реверсу тексту — чудовий спосіб зрозуміти механіку моделей типу encoder–decoder і те, як вони поєднуються. Тепер ви реалізуєте частину кодувальника для моделі реверсу тексту.

Реалізацію кодувальника поділено на дві вправи. У цій вправі ви визначите допоміжну функцію words2onehot(). Функція words2onehot() має приймати список слів і словник word2index та перетворювати список слів на масив one-hot векторів. Словник word2index доступний у робочому середовищі.

Ця вправа є частиною курсу

Machine Translation з Keras

Переглянути курс

Інструкції до вправи

Перетворіть слова на ID за допомогою словника word2index у функції words2onehot().
Перетворіть ID слів на one-hot вектори довжини 3 (використовуючи аргумент num_classes) і поверніть отриманий масив.
Викличте функцію words2onehot() зі словами I, like і cats та присвойте результат змінній onehot.
Виведіть слова та їхні відповідні one-hot вектори за допомогою функцій print() і zip(). Функція zip() дає змогу ітерувати кілька списків одночасно.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

import numpy as np

def words2onehot(word_list, word2index):
  # Convert words to word IDs
  word_ids = [____[w] for w in ____]
  # Convert word IDs to onehot vectors and return the onehot array
  onehot = ____(____, num_classes=3)
  return ____

words = ["I", "like", "cats"]
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Print the result as (, ) tuples
print([(w,ohe.tolist()) for ____,____ in zip(words, ____)])

Редагувати та запускати код