Definiowanie dekodera

Tłumaczenie maszynowe z Keras

Thushan Ganegedara

Data Scientist and Author

Model enkoder-dekoder

Model enkoder-dekoder

Model enkoder-dekoder

Powtórzenie wektora kontekstu z enkodera N razy

Aby wygenerować zdanie po francusku złożone z 10 słów, wektor kontekstu powtarza się 10 razy.

Warstwa RepeatVector w modelu enkoder-dekoder

Warstwa RepeatVector:

Przyjmuje jeden argument określający długość sekwencji wyjściowej
Przyjmuje dane wejściowe o kształcie (batch_size, rozmiar_wejścia) (np. wejście 2 x 3)
Zwraca dane o kształcie (batch_size, długość sekwencji, rozmiar_wejścia) (np. wyjście 2 x 3 x 3)

Działanie warstwy 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)

Definiowanie dekodera

de_inputs = RepeatVector(fr_len)(en_state)

decoder_gru = GRU(hsize, return_sequences=True)

Ustawianie stanu początkowego dekodera

gru_outputs = decoder_gru(de_inputs, initial_state=en_state)

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

Tłumaczenie maszynowe z Keras