對書名進行 one-hot 編碼
PyBooks 想要彙整並分析館藏的書籍類型。請對一份書籍類型清單套用 one-hot 編碼，讓它們能被機器讀取。
已為你匯入 torch。
本練習屬於課程
Deep Learning for Text with PyTorch
練習說明
- 定義詞彙表大小，並存成
vocab_size。 - 使用合適的
torch技術與vocab_size建立 one-hot 向量。 - 使用字典生成式建立一個從類型到其對應 one-hot 向量的對應表；字典的鍵應該是書籍類型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
genres = ['Fiction','Non-fiction','Biography', 'Children','Mystery']
# Define the size of the vocabulary
vocab_size = ____(____)
# Create one-hot vectors
one_hot_vectors = torch.____(____)
# Create a dictionary mapping genres to their one-hot vectors
one_hot_dict = {____: ____[i] for i, genre in enumerate(genres)}
for genre, vector in one_hot_dict.items():
print(f'{genre}: {vector.numpy()}')