transformer tensorflow

Transformator

TensorFlow -Implementierung von Aufmerksamkeit ist alles, was Sie brauchen. (2017. 6)

Anforderungen

• Python 3.6
• Tensorflow 1.8
• HB-Config (Singleton-Konfiguration)
• NLTK (Tokenizer und Blue Score)
• TQDM (Fortschrittsbalken)
• Slack eingehende Webhook -URL

Projektstruktur

Init-Projekt von 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

Referenz: HB-Config, Dataset, Experimente_FN, Schätzerspec

Todo

• Ausbilden und bewerten Sie mit "WMT Deutsch-englisch (2016)" Datensatz

Konfiguration

Kann alle experimentellen Umgebungen kontrollieren.

Beispiel: 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

• Debug -Modus: Verwenden von TFDBG
• check-tiny ist ein Datensatz mit etwa 30 Sätzen , die aus Koreanisch ins Englische übersetzt werden. (Empfehlen Sie es zu lesen :))

Verwendung

Anforderungen installieren.

pip install -r requirements.txt

Dann Rohdaten vor dem Prozess.

python data_loader.py --config check-tiny

Schließlich starten Sie mit dem Zug und bewerten Sie das Modell

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

Oder Sie können IWSLT'15 English-Vietnamese-Datensatz verwenden.

 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

Vorhersagen

Nach dem Training können Sie das Modell testen.

• Befehl

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

• Beispiel

$ 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>

Versuchsmodi

✅: Arbeiten
◽: noch nicht getestet.

• ✅ evaluate : Bewerten Sie die Bewertungsdaten.
• ◽ extend_train_hooks : erweitert die Hooks für das Training.
• ◽ reset_export_strategies : setzt die Exportstrategien mit den neuen_export_strategies zurück.
• ◽ run_std_server : Startet einen TensorFlow -Server und verbindet sich dem Servier -Thread.
• ◽ test : Testen Sie das Training, bewerten und exportieren Sie den Schätzer für einen einzelnen Schritt.
• ✅ train : Passen Sie den Schätzer mit den Trainingsdaten an.
• ✅ train_and_evaluate : schenkles Training und Bewertung.

---

Tensorboar

tensorboard --logdir logs

• Prüf-Zin-Beispiel

Referenz

• HB -Forschung/Notizen - Aufmerksamkeit ist alles, was Sie brauchen, was Sie brauchen
• Papier - Aufmerksamkeit ist alles, was Sie brauchen (2017. 6) von einem Vaswani (Google Brain Team)
• Tensor2tensor - Eine Bibliothek für eine generalisierte Sequenz -Sequenzmodelle (offizieller Code)

Autor

Dongjun Lee ([email protected])