生成英文-法文翻译

您知道吗？汇丰银行曾因一句口号的翻译错误，斥资 1,000 万美元重新品牌定位。

我们将使用已训练好的模型，通过 model.predict() 来预测英文句子的法语翻译。您将获得训练好的模型（model）。该模型在 100,000 个句子上训练了 50 个 epoch，并在包含 35,000+ 个词的验证集上达到了约 90% 的准确率。由于在练习开始前需要加载已训练模型，本练习的加载可能会更久一些。此外，您还将获得一个字典（fr_id2word），可用于将词索引转换为对应的单词。最后，您将使用之前实现的 sents2seqs 函数，在将数据送入模型前完成预处理。

您可以使用 help(sents2seqs) 来回顾 sents2seqs() 函数所接受的输入。

本练习是课程的一部分

使用 Keras 的机器翻译

查看课程

练习说明

预处理源 en_st，使用先前定义的 sents2seqs 函数将其转换为 onehot 编码的 numpy 数组。
使用提供的已训练 model 对 en_seq 进行预测。
使用 np.argmax 在 fr_pred 的每个预测上提取最大索引，并将其赋给 fr_seq。
使用列表推导将法语序列 ID 转换为句子（记得忽略 0），并将其赋给 fr_sent。

交互式实操练习

通过完成这段示例代码来试试这个练习。

en_st = ['the united states is sometimes chilly during december , but it is sometimes freezing in june .']
print('English: {}'.format(en_st))

# Convert the English sentence to a sequence
en_seq = ____(____, en_st, ____=True, reverse=____)

# Predict probabilities of words using en_seq
fr_pred = ____.____(en_seq)

# Get the sequence indices (max argument) of fr_pred
fr_seq = ____.____(fr_pred, axis=____)[0]

# Convert the sequence of IDs to a sentence and print
fr_sent = [____[i] for i in ____ if i != ____]
print("French (Custom): {}".format(' '.join(fr_sent)))
print("French (Google Translate): les etats-unis sont parfois froids en décembre, mais parfois gelés en juin")

编辑并运行代码