Реалізація повної моделі encoder–decoder

Machine Translation з Keras

Thushan Ganegedara

Data Scientist and Author

Що ви вже реалізували

  • Енкодер обробляє англійський (джерельний) вхід
  • Енкодер формує контекстний вектор
  • Декодер споживає повторений набір контекстних векторів
  • Декодер видає послідовність виходів GRU

Модель encoder–decoder з repeat vector

Machine Translation з Keras

Верхня частина декодера

  • Реалізовано за допомогою шарів TimeDistributed і Dense.

Encoder–decoder з TimeDistributed

Machine Translation з Keras

Реалізація повної моделі

  • Енкодер

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

  • Декодер

    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 з Keras

Реалізація повної моделі

  • Шар прогнозування 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)
Machine Translation з Keras

Компіляція моделі

Визначення повної моделі

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

Компіляція моделі

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

Давайте потренуємось!

Machine Translation з Keras

Preparing Video For Download...