准备输入文本
您已经在视频中看到如何准备输入文本和输出文本。本练习将演示一种常见做法：使用句子的最大长度对所有句子进行填充，这样就不会丢失信息。
由于 RNN 模型要求输入具有相同的尺寸，这是一种对所有句子进行填充的方法：对较短的句子补零，而不截断较长的句子。
此外，您将使用词而不是字符来表示标记，这在 NMT（神经机器翻译）模型中很常见。
葡萄牙语文本已加载到变量 pt_sentences，已拟合好的分词器（tokenizer）在变量 input_tokenizer 中。
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
- 对每个句子使用
.split()方法按空白字符拆分，并得到该句子的单词数量。 - 使用
.texts_to_sequences()方法将文本转换为索引序列。 - 使用获得的最大句子长度对序列进行填充。
- 打印第一个转换后的句子。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Get maximum length of the sentences
pt_length = max([len(sentence.____) for sentence in pt_sentences])
# Transform text to sequence of numerical indexes
X = input_tokenizer.____(pt_sentences)
# Pad the sequences
X = pad_sequences(X, maxlen=____, padding='post')
# Print first sentence
print(pt_sentences[0])
# Print transformed sentence
print(____)