Definirea decodorului

Traducere automată cu Keras

Thushan Ganegedara

Data Scientist and Author

Modelul encoder-decoder

Model encoder-decoder

Decoderul este implementat cu un strat GRU Keras
Modelul GRU necesită două intrări
- O intrare de tip serie temporală (???)
- O stare ascunsă

Model encoder-decoder

Repetați vectorul de context din encoder de N ori

Pentru o propoziție în franceză de 10 cuvinte, vectorul de context se repetă de 10 ori.

Vector de context repetat în encoder-decoder

Stratul RepeatVector:

Primește un argument care definește lungimea secvenței de ieșire
Acceptă o intrare de forma (batch_size, dimensiune_intrare) (ex. intrare de dimensiune 2 x 3)
Produce date de forma (batch_size, lungime_secvență, dimensiune_intrare) (ex. ieșire de dimensiune 2 x 3 x 3)

Funcționalitatea 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)

Definirea decodorului

de_inputs = RepeatVector(fr_len)(en_state)

decoder_gru = GRU(hsize, return_sequences=True)

Fixarea stării inițiale a decodorului

gru_outputs = decoder_gru(de_inputs, initial_state=en_state)

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

Traducere automată cu Keras