第 2 部分：文字反轉模型－編碼器
現在你要完成文字反轉模型編碼器的其餘部分。編碼器會使用你先前實作的 words2onehot() 函式所產生的 one-hot 向量作為輸入。
在這裡你會實作 encoder() 函式。encoder() 函式接收一組 one-hot 向量，並將它們轉換為字詞 ID 的清單。
在本練習中，已提供 words2onehot() 函式與 word2index 字典（包含單字 We、like 和 dogs）。
本練習屬於課程
使用 Keras 進行機器翻譯
練習說明
- 使用
np.argmax()函式將onehot轉換為字詞 ID 的陣列，並回傳這些 ID。 - 建立一個包含
We、like、dogs的單字清單。 - 使用
words2onehot()函式把該單字清單轉換為 one-hot 向量。請記得，words2onehot()的引數是一個單字清單與一個 Python 字典。 - 使用
encoder()函式對這些 one-hot 向量取得情境向量（context vector）。
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 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)