De volledige encoder-decoder implementeren

Machine Translation met Keras

Thushan Ganegedara

Data Scientist and Author

Wat je tot nu toe hebt gebouwd

  • De encoder verwerkt de Engelse (bron)input
  • De encoder maakt de contextvector
  • De decoder gebruikt herhaalde contextvectoren
  • De decoder geeft een GRU-uitgangsreeks

Encoder-decoder model herhaalvector

Machine Translation met Keras

Bovenkant van de decoder

  • Gemaakt met TimeDistributed- en Dense-lagen.

Encoder-decoder met TimeDistributed

Machine Translation met Keras

Het volledige model implementeren

  • Encoder

    en_inputs = Input(shape=(en_len, en_vocab))
en_gru = GRU(hsize, return_state=True)
en_out, en_state = en_gru(en_inputs)

  • Decoder

    de_inputs = RepeatVector(fr_len)(en_state)
de_gru = GRU(hsize, return_sequences=True)
de_out = de_gru(de_inputs, initial_state=en_state)
Machine Translation met Keras

Het volledige model implementeren

  • De softmax-voorspellingslaag 
de_dense = keras.layers.Dense(fr_vocab, activation='softmax')
de_dense_time = keras.layers.TimeDistributed(de_dense)
de_pred = de_seq_dense(de_out)
Machine Translation met Keras

Het model compileren

Het volledige model definiëren

nmt = keras.models.Model(inputs=en_inputs, outputs=de_pred)

Het model compileren

nmt.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
Machine Translation met Keras

Laten we oefenen!

Machine Translation met Keras

Preparing Video For Download...