为模型输入准备文本数据
在前面，您已经学习了如何创建"索引到单词"和"单词到索引"的字典。在本练习中，您将按字符拆分文本，并继续为监督学习准备数据。
把文本拆成字符看起来有些奇怪，但在文本生成任务中很常见。而且，准备数据的流程相同，唯一的变化是如何拆分文本。
您将创建训练数据，其中包含定长文本的列表及其标签，标签是对应的下一个字符。
您将继续使用包含 Sheldon（《The Big Bang Theory》）台词的数据集，存放在变量 sheldon_quotes 中。
函数 print_examples() 会打印这些配对，便于您查看数据是如何被转换的。详情请使用 help()。
本练习是课程的一部分
使用 Keras 构建语言建模的循环神经网络（RNN）
练习说明
- 将
step设为2，将chars_window设为10。 - 将下一个句子追加到变量
sentences。 - 将文本
sheldon中的正确位置追加到变量next_chars。 - 使用函数
print_examples()打印10个句子及其下一个字符。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create lists to keep the sentences and the next character
sentences = [] # ~ Training data
next_chars = [] # ~ Training labels
# Define hyperparameters
step = ____ # ~ Step to take when reading the texts in characters
chars_window = ____ # ~ Number of characters to use to predict the next one
# Loop over the text: length `chars_window` per time with step equal to `step`
for i in range(0, len(sheldon_quotes) - chars_window, step):
sentences.____(sheldon_quotes[i:i + chars_window])
next_chars.append(sheldon_quotes[____])
# Print 10 pairs
print_examples(____, ____, 10)