ПочатиПочніть безкоштовно

Генеруємо речення з контекстом

У цій вправі ви попрацюєте з попередньо натренованою моделлю для генерування тексту. Модель вже завантажена в середовище у змінну model, а також доступні функції initialize_params() і get_next_token().

Остання використовує попередньо натреновану модель, щоб передбачити наступний символ і повертає три змінні: наступний символ next_char, оновлене речення res і зсунений текст seq, який буде використано для передбачення наступного символу.

Ви визначите функцію, яка приймає на вхід попередньо натреновану модель і рядок — початок згенерованого речення. Це добра практика для генерування тексту з урахуванням контексту. Обмеження у 100 символів наведено як приклад; у своїх застосунках ви можете використовувати інші межі (або навіть без обмеження).

Ця вправа є частиною курсу

Recurrent Neural Networks (RNNs) для моделювання мови з Keras

Переглянути курс

Інструкції до вправи

  • Передайте змінну initial_text у функцію initialize_params().
  • Створіть умови для зупинки циклу, коли лічильник досягне 100 або буде знайдено крапку (r'.').
  • Передайте початкові значення res, seq у функцію get_next_token(), щоб отримати наступний символ.
  • Виведіть приклад фрази, згенерованої визначеною функцією.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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, "))
Редагувати та запускати код