Implementarea modelului complet encoder-decoder

Traducere automată cu Keras

Thushan Ganegedara

Data Scientist and Author

Ce ați implementat până acum

  • Encoderul primește intrarea în engleză (sursă)
  • Encoderul produce vectorul de context
  • Decoderul primește un set repetat de vectori de context
  • Decoderul generează secvența de ieșire GRU

Model encoder-decoder cu vector repetat

Traducere automată cu Keras

Partea superioară a decoderului

  • Implementat cu straturi TimeDistributed și Dense.

Encoder-decoder cu TimeDistributed

Traducere automată cu Keras

Implementarea modelului complet

  • 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)
Traducere automată cu Keras

Implementarea modelului complet

  • Stratul de predicție softmax
de_dense = keras.layers.Dense(fr_vocab, activation='softmax')
de_dense_time = keras.layers.TimeDistributed(de_dense)
de_pred = de_seq_dense(de_out)
Traducere automată cu Keras

Compilarea modelului

Definirea modelului complet

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

Compilarea modelului

nmt.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
Traducere automată cu Keras

Să exersăm!

Traducere automată cu Keras

Preparing Video For Download...