الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

中文用户请查看 readme-zh.md

هذا هو الحل لتحدي Zhihu Machine Learning Devely 2017. لقد فزنا بالبطل من بين 963 فريقًا.

1. الإعداد

  • تثبيت Pytorch من pytorch.org (بيثون 2 ، كودا)
  • تثبيت Depencies الأخرى: 
    pip2 install -r requirements.txt

قد تحتاج إلى tf.contrib.keras.preprocessing.sequence.pad_sequences للمعالجة المسبقة للبيانات.

  • ابدأ Visdom للتصور: 
    python2 -m visdom.server

2. البيانات المسبقة للبيانات

تعديل مسار البيانات في الملف ذي الصلة

2.1 ملف WordVector -> ملف numpy 

python scripts/data_process/embedding2matrix.py main char_embedding.txt char_embedding.npz 
python scripts/data_process/embedding2matrix.py main word_embedding.txt word_embedding.npz

2.2 مجموعة أسئلة -> ملف numpy

إنها مضيعة للذاكرة ، تأكد من أن لديك ذاكرة أكبر من 32 جم. 

python scripts/data_process/question2array.py main question_train_set.txt train.npz
python scripts/data_process/question2array.py main question_eval_set.txt test.npz

2.3 Label -> JSON 

python scripts/data_process/label2id.py main question_topic_train_set.txt labels.json

2.4 بيانات التحقق من الصحة 

python scripts/data_process/get_val.py

3. التدريب

تعديل config.py لمسار النموذج

الطريق إلى النماذج التي استخدمناها:

  • CNN: models/MultiCNNTextBNDeep.py
  • RNN （LSTM）: models/LSTMText.py
  • RCNN: models/RCNN.py
  • بداية: models/CNNText_inception.py
  • fasttext: models/FastText3.py

3.1 نموذج تريان بدون إثارة بيانات 

 # LSTM char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' lstm_char ' --weight=1 --model= ' LSTMText '  --batch-size=128  --lr=0.001 --lr2=0 --lr_decay=0.5 --decay_every=10000  --type_= ' char '   --zhuge=True --linear-hidden-size=2000 --hidden-size=256 --kmax-pooling=3   --num-layers=3  --augument=False

# LSTM word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' lstm_word ' --weight=1 --model= ' LSTMText '  --batch-size=128  --lr=0.001 --lr2=0.0000 --lr_decay=0.5 --decay_every=10000  --type_= ' word '   --zhuge=True --linear-hidden-size=2000 --hidden-size=320 --kmax-pooling=2  --augument=False

#  RCNN char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' rcnn_char ' --weight=1 --model= ' RCNN '  --batch-size=128  --lr=0.001 --lr2=0 --lr_decay=0.5 --decay_every=5000  --title-dim=1024 --content-dim=1024  --type_= ' char ' --zhuge=True --kernel-size=3 --kmax-pooling=2 --linear-hidden-size=2000 --debug-file= ' /tmp/debugrcnn ' --hidden-size=256 --num-layers=3 --augument=False

# RCNN word
main.py main --max_epoch=5 --plot_every=100 --env= ' RCNN-word ' --weight=1 --model= ' RCNN '  --zhuge=True --num-workers=4 --batch-size=128 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=5000  --title-dim=1024 --content-dim=512  --kernel-size=3 --debug-file= ' /tmp/debugrc '  --kmax-pooling=1 --type_= ' word ' --augument=False
# CNN word
 python main.py main --max_epoch=5 --plot_every=100 --env= ' MultiCNNText ' --weight=1 --model= ' MultiCNNTextBNDeep '  --batch-size=64  --lr=0.001 --lr2=0.000 --lr_decay=0.8 --decay_every=10000  --title-dim=250 --content-dim=250    --weight-decay=0 --type_= ' word ' --debug-file= ' /tmp/debug '  --linear-hidden-size=2000 --zhuge=True  --augument=False

# inception word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' inception-word ' --weight=1 --model= ' CNNText_inception '  --zhuge=True --num-workers=4 --batch-size=512 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --title-dim=1200 --content-dim=1200 --type_= ' word ' --augument=False                                                   
# inception char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' inception-char ' --weight=1 --model= ' CNNText_inception '  --zhuge=True --num-workers=4 --batch-size=512 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --title-dim=1200 --content-dim=1200 --type_= ' char '   --augument=False

# FastText3 word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' fasttext3-word ' --weight=5 --model= ' FastText3 ' --zhuge=True --num-workers=4 --batch-size=512  --lr2=1e-4 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --linear_hidden_size=2000 --type_= ' word '  --debug-file=/tmp/debugf --augument=False

في معظم الحالات ، يمكن تعزيز النتيجة بواسطة Finetune. على سبيل المثال: 

python2 main.py main --max_epoch=2 --plot_every=100 --env= ' LSTMText-word-ft ' --model= ' LSTMText '  --zhuge=True --num-workers=4 --batch-size=256 --model-path=None --lr2=5e-5 --lr=5e-5 --decay-every=5000 --type_= ' word '  --model-path= ' checkpoints/LSTMText_word_0.409196378421 '

3.2 طرز تدريب مع Agrumentation للبيانات

إضافة --augument في قيادة التدريب.

3.3 الدرجات

نموذج نتيجة
cnn_word 0.4103
rnn_word 0.4119
rcnn_word 0.4115
inceptin_word 0.4109
fasttext_word 0.4091
RNN_CHAR 0.4031
RCNN_CHAR 0.4037
Inception_char 0.4024
rcnn_word_aug 0.41344
cnn_word_aug 0.41051
rnn_word_aug 0.41368
incetpion_word_aug 0.41254
fasttext3_word_aug 0.40853
cnn_char_aug 0.38738
rcnn_char_aug 0.39854

مع مجموعة النموذج ، يمكن أن يصل إلى 0.433.

4 اختبار وتقديم

4.1 اختبار

  • الطراز: تضمين LSTMText ، RCNN ، MultiCNNTextBNDeep ، FastText3 ، CNNText_inception
  • مسار النموذج: طريق إلى النموذج المسبق
  • مسار النتيجة: أين لحفظ النموذج
  • Val: اختبار مجموعة Val أو مجموعة الاختبار .. 
 # LSTM
python2 test.1.py main --model= ' LSTMText '  --batch-size=512  --model-path= ' checkpoints/LSTMText_word_0.411994005382 ' --result-path= ' /data_ssd/zhihu/result/LSTMText0.4119_word_test.pth '  --val=False --zhuge=True

python2 test.1.py main --model= ' LSTMText '  --batch-size=256 --type_=char --model-path= ' checkpoints/LSTMText_char_0.403192339135 ' --result-path= ' /data_ssd/zhihu/result/LSTMText0.4031_char_test.pth '  --val=False --zhuge=True
 
# RCNN
python2 test.1.py main --model= ' RCNN '  --batch-size=512  --model-path= ' checkpoints/RCNN_word_0.411511574999 ' --result-path= ' /data_ssd/zhihu/result/RCNN_0.4115_word_test.pth '  --val=False --zhuge=True

python2 test.1.py main --model= ' RCNN '  --batch-size=512  --model-path= ' checkpoints/RCNN_char_0.403710422571 ' --result-path= ' /data_ssd/zhihu/result/RCNN_0.4037_char_test.pth '  --val=False --zhuge=True

# DeepText

python2 test.1.py main --model= ' MultiCNNTextBNDeep '  --batch-size=512  --model-path= ' checkpoints/MultiCNNTextBNDeep_word_0.410330780091 ' --result-path= ' /data_ssd/zhihu/result/DeepText0.4103_word_test.pth '  --val=False --zhuge=True
# more to go ...

4.2 فرقة

انظر notebooks/val_ensemble.ipynb و notebooks/test_ensemble.ipynb لمزيد من التفاصيل

5 الملفات الرئيسية

  • main.py : Main (للتدريب)
  • config.py : ملف التكوين
  • test.1.py : للاختبار
  • data/ : لعملية لوادر البيانات
  • scripts/ : للمعالجة المسبقة للبيانات
  • utils/ : بما في ذلك حساب النتيجة والركب للتصور.
  • models/ : النماذج
    • models/BasicModel : نموذج أساسي للنماذج.
    • models/MultiCNNTextBNDeep : CNN
    • models/LSTMText : RNN
    • models/RCNN : RCNN
    • models/CNNText_inception Inception
    • models/MultiModelALL和models/MultiModelAll2
    • نموذج آخر
  • rep.py : رمز للاستنساخ.
  • del/ : الأساليب تفشل أو لا تستخدم.
  • notebooks/ : دفاتر الملاحظات.

نموذج ما قبل

https://pan.baidu.com/s/1mjvtjgs passwd: tayb

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل