調整機率尺度
在這個練習中，你會比較使用不同 temperature 值來縮放機率分佈時，所產生句子的差異。
函式 generate_phrase() 是你先前建立之函式的調整版，已經載入環境。它會接收參數：model（已訓練好的模型）、initial_text（作為語境的文字），以及用來縮放 softmax() 的 temperature 值。
本練習屬於課程
使用 Keras 建立語言模型的循環神經網路（RNN）
練習說明
- 將多個溫度值的清單存入變數
temperatures。 - 以變數
temperature迴圈遍歷temperatures清單。 - 使用已預先載入的函式
generate_phrase()產生一句話。 - 列印出 temperature 與產生的句子。
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。
# Define the initial text
initial_text = "Spock and me "
# Define a vector with temperature values
____ = [0.2, 0.8, 1.0, 3.0, 10.0]
# Loop over temperatures and generate phrases
for ____ in temperatures:
# Generate a phrase
phrase = ____(model, initial_text, temperature)
# Print the phrase
print('Temperature {0}: {1}'.format(____, ____))