Частина 2: Модель реверсування тексту — Encoder

Тепер ви реалізуєте решту енкодера моделі реверсування тексту. Енкодер приймає на вхід one-hot вектори, які створює функція words2onehot(), що ви реалізували раніше.

Тут ви реалізуєте функцію encoder(). Функція encoder() отримує набір one-hot векторів і перетворює їх на список ідентифікаторів слів (word IDs).

Для цієї вправи надано функцію words2onehot() і словник word2index (зі словами We, like і dogs).

Ця вправа є частиною курсу

Machine Translation з Keras

Переглянути курс

Інструкції до вправи

Перетворіть onehot на масив ідентифікаторів слів за допомогою функції np.argmax() і поверніть ці ідентифікатори.
Визначте список слів зі словами We, like, dogs.
Перетворіть список слів на one-hot вектори за допомогою функції words2onehot(). Пам'ятайте, що words2onehot() приймає список слів і словник Python як аргументи.
Отримайте контекстний вектор для one-hot векторів за допомогою функції encoder().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)

Редагувати та запускати код