MemN2N tensorflow

Redes de memoria de extremo a extremo en TensorFlow

Implementación de TensorFlow de redes de memoria de extremo a extremo para el modelado de idiomas (ver Sección 5). El código de antorcha original de Facebook se puede encontrar aquí.

Requisitos previos

Este código requiere TensorFlow. Hay un conjunto de Corpus de muestra de Penn Tree Bank (PTB) en el directorio data , que es un punto de referencia popular para medir la calidad de estos modelos. Pero puede usar su propio conjunto de datos de texto que debe formarse así.

Cuando usa Docker Image Tensorflw/TensorFlow: Last GPU, necesita Python Package Future.

 $ pip install future

Si desea usar la opción --show True , debe instalar progress del paquete Python.

 $ pip install progress

Uso

Para entrenar un modelo con 6 lúpulo y tamaño de memoria de 100, ejecute el siguiente comando:

 $ python main.py --nhop 6 --mem_size 100

Para ver todas las opciones de entrenamiento, ejecute:

 $ python main.py --help

que imprimirá:

 usage: main.py [-h] [--edim EDIM] [--lindim LINDIM] [--nhop NHOP]
              [--mem_size MEM_SIZE] [--batch_size BATCH_SIZE]
              [--nepoch NEPOCH] [--init_lr INIT_LR] [--init_hid INIT_HID]
              [--init_std INIT_STD] [--max_grad_norm MAX_GRAD_NORM]
              [--data_dir DATA_DIR] [--data_name DATA_NAME] [--show SHOW]
              [--noshow]

optional arguments:
  -h, --help            show this help message and exit
  --edim EDIM           internal state dimension [150]
  --lindim LINDIM       linear part of the state [75]
  --nhop NHOP           number of hops [6]
  --mem_size MEM_SIZE   memory size [100]
  --batch_size BATCH_SIZE
                        batch size to use during training [128]
  --nepoch NEPOCH       number of epoch to use during training [100]
  --init_lr INIT_LR     initial learning rate [0.01]
  --init_hid INIT_HID   initial internal state value [0.1]
  --init_std INIT_STD   weight initialization std [0.05]
  --max_grad_norm MAX_GRAD_NORM
                        clip gradients to this norm [50]
  --checkpoint_dir CHECKPOINT_DIR
                        checkpoint directory [checkpoints]
  --data_dir DATA_DIR   data directory [data]
  --data_name DATA_NAME
                        data set name [ptb]
  --is_test IS_TEST     True for testing, False for Training [False]
  --nois_test
  --show SHOW           print progress [False]
  --noshow

(Opcional) Si desea ver una barra de progreso, instale progress con pip :

 $ pip install progress
$ python main.py --nhop 6 --mem_size 100 --show True

Después de terminar el entrenamiento, puede probar y validar con:

 $ python main.py --is_test True --show True

La salida de entrenamiento parece:

 $ python main.py --nhop 6 --mem_size 100 --show True
Read 929589 words from data/ptb.train.txt
Read 73760 words from data/ptb.valid.txt
Read 82430 words from data/ptb.test.txt
{'batch_size': 128,
'data_dir': 'data',
'data_name': 'ptb',
'edim': 150,
'init_hid': 0.1,
'init_lr': 0.01,
'init_std': 0.05,
'lindim': 75,
'max_grad_norm': 50,
'mem_size': 100,
'nepoch': 100,
'nhop': 6,
'nwords': 10000,
'show': True}
I tensorflow/core/common_runtime/local_device.cc:25] Local device intra op parallelism threads: 12
I tensorflow/core/common_runtime/direct_session.cc:45] Direct session inter op parallelism threads: 12
Training |################################| 100.0% | ETA: 0s
Testing |################################| 100.0% | ETA: 0s
{'perplexity': 507.3536108810464, 'epoch': 0, 'valid_perplexity': 285.19489755719286, 'learning_rate': 0.01}
Training |################################| 100.0% | ETA: 0s
Testing |################################| 100.0% | ETA: 0s
{'perplexity': 218.49577035468886, 'epoch': 1, 'valid_perplexity': 231.73457031084268, 'learning_rate': 0.01}
Training |################################| 100.0% | ETA: 0s
Testing |################################| 100.0% | ETA: 0s
{'perplexity': 163.5527845871247, 'epoch': 2, 'valid_perplexity': 175.38771414841014, 'learning_rate': 0.01}
Training |################################| 100.0% | ETA: 0s
Testing |################################| 100.0% | ETA: 0s
{'perplexity': 136.1443535538306, 'epoch': 3, 'valid_perplexity': 161.62522958776597, 'learning_rate': 0.01}
Training |################################| 100.0% | ETA: 0s
Testing |################################| 100.0% | ETA: 0s
{'perplexity': 119.15373237680929, 'epoch': 4, 'valid_perplexity': 149.00768378137946, 'learning_rate': 0.01}
Training |##############                  | 44.0% | ETA: 378s

Actuación

La perplejidad en los conjuntos de pruebas de Penn Treebank Corporos.

# de escondido	# de lúpulo	tamaño de memoria	MEMN2N (Sukhbaatar 2015)	Este repositorio.
150	3	100	122	129
150	6	150	114	en curso

Autor

Taehoon Kim / @carpedm20