تنزيل transformer tensorflow transformer tensorflow

transformer tensorflow

شفرة المصدر الأخرى

1.0.0

تنزيل

محول

تنفيذ TensorFlow للانتباه هو كل ما تحتاجه. (2017. 6)

الصور

متطلبات

بيثون 3.6
Tensorflow 1.8
HB-Config (تهيئة Singleton)
NLTK (Tokenizer و Blue Score)
TQDM (شريط التقدم)
URL Webhook Webhook الركود

هيكل المشروع

مشروع init بواسطة HB-Base

 .
├── config                  # Config files (.yml, .json) using with hb-config
├── data                    # dataset path
├── notebooks               # Prototyping with numpy or tf.interactivesession
├── transformer             # transformer architecture graphs (from input to logits)
    ├── __init__.py             # Graph logic
    ├── attention.py            # Attention (multi-head, scaled_dot_product and etc..)
    ├── encoder.py              # Encoder logic
    ├── decoder.py              # Decoder logic
    └── layer.py                # Layers (FFN)
├── data_loader.py          # raw_date -> precossed_data -> generate_batch (using Dataset)
├── hook.py                 # training or test hook feature (eg. print_variables)
├── main.py                 # define experiment_fn
└── model.py                # define EstimatorSpec

المرجع: HB-Config ، مجموعة البيانات ، التجارب_

تودو

تدريب وتقييم مع مجموعة البيانات "WMT German-English (2016)"

تكوين

يمكن التحكم في جميع البيئة التجريبية .

مثال: check-tiny.yml

 data :
  base_path : ' data/ '
  raw_data_path : ' tiny_kor_eng '
  processed_path : ' tiny_processed_data '
  word_threshold : 1

  PAD_ID : 0
  UNK_ID : 1
  START_ID : 2
  EOS_ID : 3

model :
  batch_size : 4
  num_layers : 2
  model_dim : 32
  num_heads : 4
  linear_key_dim : 20
  linear_value_dim : 24
  ffn_dim : 30
  dropout : 0.2

train :
  learning_rate : 0.0001
  optimizer : ' Adam '  ('Adagrad', 'Adam', 'Ftrl', 'Momentum', 'RMSProp', 'SGD')
  
  train_steps : 15000
  model_dir : ' logs/check_tiny '
  
  save_checkpoints_steps : 1000
  check_hook_n_iter : 100
  min_eval_frequency : 100
  
  print_verbose : True
  debug : False
  
slack :
  webhook_url : " "  # after training notify you using slack-webhook

وضع التصحيح: استخدام TFDBG
check-tiny عبارة عن مجموعة بيانات تضم حوالي 30 جملة تُرجم من الكورية إلى اللغة الإنجليزية. (أوصي بقراءته :))

الاستخدام

تثبيت المتطلبات.

pip install -r requirements.txt

ثم ، البيانات الخام قبل العملية.

python data_loader.py --config check-tiny

أخيرًا ، ابدأ القطار وتقييم النموذج

python main.py --config check-tiny --mode train_and_evaluate

أو يمكنك استخدام مجموعة بيانات IWSLT'15 الإنجليزية والفيتنامية.

 sh prepare-iwslt15.en-vi.sh                                        # download dataset
python data_loader.py --config iwslt15-en-vi                       # preprocessing
python main.py --config iwslt15-en-vi --mode train_and_evalueate   # start training

يتنبأ

بعد التدريب ، يمكنك اختبار النموذج.

يأمر

python predict.py --config {config} --src {src_sentence}

مثال

$ python predict.py --config check-tiny --src " 안녕하세요. 반갑습니다. "

------------------------------------
Source: 안녕하세요. 반갑습니다.
 > Result: Hello . I ' m glad to see you . <s> vectors . <s> Hello locations . <s> will . <s> . <s> you . <s>

أوضاع التجارب

✅: العمل
◽: لم يتم اختباره بعد.

✅ evaluate : تقييم بيانات التقييم.
◽ extend_train_hooks : يمتد الخطافات للتدريب.
◽ reset_export_strategies : إعادة تعيين استراتيجيات التصدير باستخدام New_export_strategies.
◽ run_std_server : يبدأ خادم TensorFlow وينضم إلى مؤشر ترابط التقديم.
◽ test : اختبارات التدريب وتقييم وتصدير المقدر لخطوة واحدة.
✅ train : قم بتناسب المقدر باستخدام بيانات التدريب.
✅ train_and_evaluate : التدريب والتقييم.