Визначення декодера

Machine Translation з Keras

Thushan Ganegedara

Data Scientist and Author

Модель encoder–decoder

Модель encoder–decoder

Декодер реалізовано за допомогою шару Keras GRU
Модель GRU потребує двох вхідних даних
- Вхід часових рядів (???)
- Прихований стан

Вхід декодера

Повторіть контекстний вектор з енкодера N разів

Щоб отримати французьке речення з 10 слів, повторіть контекстний вектор 10 разів.

Повторення контекстного вектора в encoder–decoder

Шар RepeatVector:

Приймає один аргумент — довжину послідовності виходу
Отримує вхід (batch_size, input size) (напр., вхід розміру 2 x 3)
Повертає дані форми (batch_size, sequence length, input size) (напр., вихід 2 x 3 x 3)

Функціональність 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)

Визначення декодера

de_inputs = RepeatVector(fr_len)(en_state)

decoder_gru = GRU(hsize, return_sequences=True)

Фіксація початкового стану декодера

gru_outputs = decoder_gru(de_inputs, initial_state=en_state)

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

Machine Translation з Keras