pytorch_RVAE

Rezidivierender Variations -Autoencoder von Pytorch

Modell:

Dies ist die Implementierung von Samuel Bowmans erzeugenden Sätzen aus einem kontinuierlichen Raum, in dem Kims charakterbewusste neuronale Sprachmodelle für Token einbetteten

Beispiele für Stichproben:

Die neue Maschine könnte verwendet werden, um die Anzahl der Ventures -Blocke im Einkaufssystem des Unternehmens zu erhöhen, um diversifizierte Organisationen zu finanzieren

US -Regierungsbeamte sagten auch, sie wären bereit zu prüfen, ob der Vorschlag als Drängen und Programme verwendet werden könnte

men believe they had to go on the <unk> because their <unk> were <unk> expensive important

Die Unternehmen bestanden darauf, dass das Farbsatz in das Programm aufgenommen werden könnte

Verwendung

Vor dem Modelltraining ist es notwendig, Worteinbettungen zu trainieren:

 $ python train_word_embeddings.py

Dieses Drehbuch -Zugwort -Einbettungen in Mikolov et al. Verteilte Darstellungen von Wörtern und Phrasen

Parameter:

--use-cuda

--num-iterations

--batch-size

--num-sample –– Anzahl der aus Rausch-Token abgetasteten

Um den Modellgebrauch zu trainieren:

 $ python train.py

Parameter:

--use-cuda

--num-iterations

--batch-size

--learning-rate

--dropout –– Wahrscheinlichkeit, dass Einheiten im Decodereingang auf Null gesetzt werden

--use-trained –– Verwenden Sie vor dem Modell trainiert

Daten nach dem Training nach dem Training untersuchen:

 $ python sample.py

Parameter:

--use-cuda

--num-sample