Dynamic memory networks plus Pytorch

ديناميكي الذاكرة-Networks-Plus-Pytorch

تنفيذ DMN+ في Pytorch للإجابة على مجموعة بيانات Babi 10K.

محتويات

ملف	وصف
babi_loader.py	إعلان فئة مجموعة بيانات Babi Pytorch
babi_main.py	يحتوي على نموذج DMN+ ورمز التدريب
fetch_data.sh	نص Shell لجلب مهام Babi (من DMNs في ثيانو)

الاستخدام

تثبيت Pytorch v0.1.12 و Python 3.6.x (لاستيفاء السلسلة الحرفية)

قم بتشغيل برنامج SHELL SHELL لجلب البيانات

 chmod +x fetch_data.sh
./fetch_data.sh

قم بتشغيل رمز Python الرئيسي

 python babi_main.py

المعايير

الدقة المنخفضة مقارنةً بـ Xiong et al قد تكون بسبب إعداد تحلل الوزن المختلفة أو عدم استقرار النموذج.

في بعض المهام ، لم تكن الدقة مستقرة عبر عدة أشواط. كان هذا مشكلة خاصة في QA3 و QA17 و QA18. لحل هذا ، كررنا التدريب 10 مرات باستخدام عمليات تهيئة عشوائية وقمنا بتقييم النموذج الذي حقق أدنى خسارة مجموعة التحقق من الصحة.

يمكنك العثور على نماذج مسبقة هنا

معرف المهمة	هذا الريبو	Xiong et al
1	100 ٪	100 ٪
2	96.8 ٪	99.7 ٪
3	89.2 ٪	98.9 ٪
4	100 ٪	100 ٪
5	99.5 ٪	99.5 ٪
6	100 ٪	100 ٪
7	97.8 ٪	97.6 ٪
8	100 ٪	100 ٪
9	100 ٪	100 ٪
10	100 ٪	100 ٪
11	100 ٪	100 ٪
12	100 ٪	100 ٪
13	100 ٪	100 ٪
14	99 ٪	99.8 ٪
15	100 ٪	100 ٪
16	51.6 ٪	54.7 ٪
17	86.4 ٪	95.8 ٪
18	97.9 ٪	97.9 ٪
19	99.7 ٪	100 ٪
20	100 ٪	100 ٪