更改上面的load_data_nmt函数，训练一个相反的法-英翻译

要训练一个相反的法-英翻译模型，需要修改load_data_nmt()函数中的以下部分：

1. 更改read_data_nmt()函数，以读取法语-英语平行语料库。

2. 更改tokenize_nmt()函数，以将法语和英语互换。

3. 将Vocab()函数中的source和target参数互换，以创建英语-法语词汇表。

4. 将build_array_nmt()函数中的source和target参数互换，以创建英语-法语数值序列。

下面是修改后的load_data_nmt()函数：

def load_data_nmt(batch_size, num_steps, num_examples=600, min_freq=6):
    """返回相反的法语-英语翻译数据集的迭代器和词表"""
    text = d2l.preprocess_nmt(read_data_nmt_fr_en())  # 读取法语-英语平行语料库
    target, source = d2l.tokenize_nmt(text, num_examples)  # 将法语和英语互换
    print("source", len(source))
    tgt_vocab = d2l.Vocab(source, min_freq=6,  # 创建英语-法语词汇表
                          reserved_tokens=['<pad>', '<bos>', '<eos>'])
    print("tgt_vocab", len(tgt_vocab))
    src_vocab = d2l.Vocab(target, min_freq=6,  # 创建法语-英语词汇表
                          reserved_tokens=['<pad>', '<bos>', '<eos>'])
    src_array, tgt_valid_len = d2l.build_array_nmt(source, src_vocab, num_steps)  # 创建英语-法语数值序列
    tgt_array, src_valid_len = d2l.build_array_nmt(target, tgt_vocab, num_steps)  # 创建法语-英语数值序列
    data_arrays = (src_array, src_valid_len, tgt_array, tgt_valid_len)
    data_iter = d2l.load_array(data_arrays, batch_size)
    return data_iter, src_vocab, tgt_vocab

这个函数会返回法语-英语数据集的迭代器和英语-法语词汇表。