De decoder definiëren

Machine Translation met Keras

Thushan Ganegedara

Data Scientist and Author

Encoder-decodermodel

Encoder-decodermodel

Decoder is geïmplementeerd met een Keras GRU-laag
GRU-model vereist twee inputs
- Een tijdreeksinput (???)
- Een verborgen toestand

Encoder-decodermodel

Herhaal de contextvector van de encoder N keer

Herhaal contextvector

RepeatVector-laag:

Neemt één argument dat de sequentielengte van de output bepaalt
Inputvorm: (batch_size, inputgrootte) (bijv. input van 2 x 3)
Outputvorm: (batch_size, sequentielengte, inputgrootte) (bijv. output van 2 x 3 x 3)

Functionaliteit van RepeatVector

from tensorflow.keras.layers import RepeatVector
rep = RepeatVector(5)

r_inp = Input(shape=(3,))
r_out = rep(r_inp)

repeat_model = Model(inputs=r_inp, outputs=r_out)

rep = RepeatVector(5)
r_out = rep(r_inp)

r_out = RepeatVector(5)(r_inp)

x = np.array([[0,1,2],[3,4,5]])
y = repeat_model.predict(x)
print('x.shape = ',x.shape,'\ny.shape = ',y.shape)

x.shape =  (2, 3) 
y.shape =  (2, 5, 3)

De decoder definiëren

de_inputs = RepeatVector(fr_len)(en_state)

decoder_gru = GRU(hsize, return_sequences=True)

De begintoestand van de decoder vastzetten

gru_outputs = decoder_gru(de_inputs, initial_state=en_state)

enc_dec = Model(inputs=en_inputs, outputs=gru_outputs)

Machine Translation met Keras