在本章中，您将了解编码器-解码器架构是什么，以及它如何用于机器翻译。您还会学习门控循环单元（GRU），以及它们在编码器-解码器架构中的使用方式。

机器翻译简介

理解独热向量（one-hot vectors）

第 1 部分：探索 to_categorical() 函数

第 2 部分：探索 to_categorical() 函数

Encoder–Decoder 架构

第 1 部分：文本反转模型 - Encoder

第 2 部分：文本反转模型 - 编码器

完成文本反转模型

理解序列模型

第 1 部分：理解 GRU 模型

第 2 部分：理解 GRU 模型

理解序列模型的输出

机器翻译入门

在本章中，您将使用 Keras 函数式 API 来实现编码器-解码器模型。在此过程中，您将学习多个实用的 Keras 层，例如 RepeatVector 和 TimeDistributed。

实现编码器

第 1 部分：探索数据集

第 2 部分：探索数据集

定义编码器

实现解码器

理解 RepeatVector 层

RepeatVector 层输出的形状

定义解码器

Dense 与 TimeDistributed 层

第 1 部分：参与赢取超赞奖品

第 2 部分：再来玩几轮游戏

实现完整的编码器-解码器模型

第 1 部分：定义完整模型

第 2 部分：定义完整模型

使用 Keras 实现编码器-解码器模型

在本章中，您将训练前面定义的模型，并使用训练良好的模型来生成翻译。您将看到我们的模型在翻译句子方面表现不错。

第 1 部分：数据预处理

使用 Keras 对句子进行分词

使用 Tokenizer 控制词汇表

第 2 部分：数据预处理

添加特殊标记

对句子进行填充

反转句子

训练 NMT 模型

训练模型

将数据划分为训练集和验证集

在验证集上训练模型

使用 NMT 生成翻译

第 1 部分：寻宝

第 2 部分：寻宝

生成英文-法文翻译

训练与生成翻译

在本章中，您将学习一种称为 Teacher Forcing 的技巧，它能让翻译模型训练得更好、更快。随后，您将学习如何使用词嵌入进一步提升模型效果。

Teacher Forcing 简介

定义 Teacher Forcing 模型的各层

定义 Teacher Forcing 模型

数据预处理

使用 Teacher Forcing 训练模型

划分训练集与验证集

结合验证来训练模型

从模型生成翻译

定义推理模型的解码器

训练模型与推理模型之间的关联

生成翻译

在机器翻译中使用词嵌入（embedding）

衡量词向量的相似度

定义嵌入模型

训练基于词嵌入的模型

总结与最终对决

Teacher Forcing 与词嵌入

French vocabulary

English vocabulary

去欧洲旅行随身带双语词典，或把词典放在桌上做外语作业，如今已成过去。您只需上网，用语言翻译服务就能快速看懂路牌含义，或学会用对方的语言打招呼和致谢。在这些翻译服务背后，是复杂的机器翻译模型。您是否想过这些模型如何工作？本课程将带您深入探索机器翻译模型的内部机制。您将使用 Keras，这是一款功能强大的基于 Python 的深度学习库，实现一个翻译模型。随后，您会训练模型完成英语到法语的翻译，并学习改进模型的技巧。课程结束时，您将对机器翻译模型有深入理解，并更加欣赏它们！

Introduction to Deep Learning with Keras

您是否对谷歌翻译等产品背后的模型运作感到好奇？

使用 Keras 的机器翻译

想了解支撑 Google 翻译等产品的模型内部运作吗？

Data Scientist and Author

您已实现的部分

解码器上半部分

实现完整模型

编译模型

让我们练习！

使用 Keras 实现编码器-解码器模型 - 实现完整的编码器-解码器模型

实现完整的编码器-解码器模型

Create Your Free Account