第 1 部分：探索 `to_categorical()` 函式
你知道在真實情境中，詞彙表的大小可能會非常大（例如超過十萬）嗎？
這個練習分成兩部分，你會學到在 to_categorical() 函式中設定 num_classes 參數為什麼重要。在第 1 部分，你要實作 compute_onehot_length()，它會針對給定的單字清單產生 one-hot 向量，並計算這些向量的長度。
to_categorical() 函式已經匯入完成。
本練習屬於課程
使用 Keras 進行機器翻譯
練習說明
- 在
compute_onehot_length()中使用words和word2index來建立單字 ID。 - 使用這些單字 ID 搭配
to_categorical()函式建立 one-hot 向量。 - 使用
<array>.shape語法回傳單一 one-hot 向量的長度。 - 使用
compute_onehot_length()計算並印出單字清單He、drank、milk的 one-hot 向量長度。
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。
def compute_onehot_length(words, word2index):
# Create word IDs for words
word_ids = [____[w] for w in ____]
# Convert word IDs to onehot vectors
onehot = ____(____)
# Return the length of a single one-hot vector
return onehot.____[1]
word2index = {"He":0, "drank": 1, "milk": 2}
# Compute and print onehot length of a list of words
print(____([____,____,____], ____))