Parte 2: Modelo de inversão de texto - Codificador

Agora você vai implementar o resto do codificador do modelo de reversão de texto. O codificador usa os vetores one-hot que a função “ words2onehot() ” criou antes.

Aqui você vai implementar a função “ encoder() ”. A função “ encoder() ” pega um conjunto de vetores one-hot e transforma eles numa lista de IDs de palavras.

Para este exercício, a função “ words2onehot() ” e o dicionário “ word2index ” (com as palavras “ We ”, “ like ” e “ dogs ”) foram fornecidos.

Este exercício faz parte do curso

Tradução automática com Keras

Ver curso

Instruções do exercício

Converta onehot em uma matriz de IDs de palavras usando a função np.argmax() e retorne os IDs das palavras.
Defina uma lista de palavras com as palavras “ We ”, “ like ” e “ dogs ”.
Converta a lista de palavras em vetores onehot usando a função “ words2onehot() ”. Lembre-se de que words2onehot() pega uma lista de palavras e um dicionário Python como argumentos.
Pega o vetor de contexto dos vetores onehot usando a função encoder().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

def encoder(onehot):
  # Get word IDs from onehot vectors and return the IDs
  word_ids = np.____(____, axis=____)
  return ____

# Define "We like dogs" as words
words = ____
# Convert words to onehot vectors using words2onehot
onehot = ____(____, ____)
# Get the context vector by using the encoder function
context = encoder(____)
print(context)

Editar e executar o código