Page d'accueil>Lié à la programmation>Autre code source
Télécharger

中文用户请查看 Readme-zh.md

Ceci est la solution pour Zhihu Machine Learning Challenge 2017. Nous avons remporté le champion sur 963 équipes.

1. Configuration

  • Installez Pytorch de pytorch.org (Python 2, Cuda)
  • Installez d'autres dépassons: 
    pip2 install -r requirements.txt

Vous pourriez avoir besoin de tf.contrib.keras.preprocessing.sequence.pad_sequences pour le prétraitement des données.

  • Commencez le Visdom pour la visualisation: 
    python2 -m visdom.server

2. Prétraitement des données

Modifier le chemin de données dans le fichier connexe

2.1 Fichier Wordvector -> Fichier Numpy 

python scripts/data_process/embedding2matrix.py main char_embedding.txt char_embedding.npz 
python scripts/data_process/embedding2matrix.py main word_embedding.txt word_embedding.npz

2.2 Ensemble de questions -> Fichier Numpy

C'est consommateur de mémoire, assurez-vous d'avoir une mémoire supérieure à 32 g. 

python scripts/data_process/question2array.py main question_train_set.txt train.npz
python scripts/data_process/question2array.py main question_eval_set.txt test.npz

2.3 Étiquette -> JSON 

python scripts/data_process/label2id.py main question_topic_train_set.txt labels.json

2.4 données de validation 

python scripts/data_process/get_val.py

3. Formation

modifier config.py pour le chemin du modèle

Chemin vers les modèles que nous avons utilisés:

  • CNN: models/MultiCNNTextBNDeep.py
  • RNN （LSTM）: models/LSTMText.py
  • RCNN: models/RCNN.py
  • Inception: models/CNNText_inception.py
  • FastText: models/FastText3.py

3.1 Modèle Trian sans augmentation des données 

 # LSTM char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' lstm_char ' --weight=1 --model= ' LSTMText '  --batch-size=128  --lr=0.001 --lr2=0 --lr_decay=0.5 --decay_every=10000  --type_= ' char '   --zhuge=True --linear-hidden-size=2000 --hidden-size=256 --kmax-pooling=3   --num-layers=3  --augument=False

# LSTM word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' lstm_word ' --weight=1 --model= ' LSTMText '  --batch-size=128  --lr=0.001 --lr2=0.0000 --lr_decay=0.5 --decay_every=10000  --type_= ' word '   --zhuge=True --linear-hidden-size=2000 --hidden-size=320 --kmax-pooling=2  --augument=False

#  RCNN char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' rcnn_char ' --weight=1 --model= ' RCNN '  --batch-size=128  --lr=0.001 --lr2=0 --lr_decay=0.5 --decay_every=5000  --title-dim=1024 --content-dim=1024  --type_= ' char ' --zhuge=True --kernel-size=3 --kmax-pooling=2 --linear-hidden-size=2000 --debug-file= ' /tmp/debugrcnn ' --hidden-size=256 --num-layers=3 --augument=False

# RCNN word
main.py main --max_epoch=5 --plot_every=100 --env= ' RCNN-word ' --weight=1 --model= ' RCNN '  --zhuge=True --num-workers=4 --batch-size=128 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=5000  --title-dim=1024 --content-dim=512  --kernel-size=3 --debug-file= ' /tmp/debugrc '  --kmax-pooling=1 --type_= ' word ' --augument=False
# CNN word
 python main.py main --max_epoch=5 --plot_every=100 --env= ' MultiCNNText ' --weight=1 --model= ' MultiCNNTextBNDeep '  --batch-size=64  --lr=0.001 --lr2=0.000 --lr_decay=0.8 --decay_every=10000  --title-dim=250 --content-dim=250    --weight-decay=0 --type_= ' word ' --debug-file= ' /tmp/debug '  --linear-hidden-size=2000 --zhuge=True  --augument=False

# inception word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' inception-word ' --weight=1 --model= ' CNNText_inception '  --zhuge=True --num-workers=4 --batch-size=512 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --title-dim=1200 --content-dim=1200 --type_= ' word ' --augument=False                                                   
# inception char
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' inception-char ' --weight=1 --model= ' CNNText_inception '  --zhuge=True --num-workers=4 --batch-size=512 --model-path=None --lr2=0 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --title-dim=1200 --content-dim=1200 --type_= ' char '   --augument=False

# FastText3 word
python2 main.py main --max_epoch=5 --plot_every=100 --env= ' fasttext3-word ' --weight=5 --model= ' FastText3 ' --zhuge=True --num-workers=4 --batch-size=512  --lr2=1e-4 --lr=1e-3 --lr-decay=0.8  --decay-every=2500 --linear_hidden_size=2000 --type_= ' word '  --debug-file=/tmp/debugf --augument=False

Dans la plupart des cas, le score pourrait être stimulé par Finetune. Par exemple: 

python2 main.py main --max_epoch=2 --plot_every=100 --env= ' LSTMText-word-ft ' --model= ' LSTMText '  --zhuge=True --num-workers=4 --batch-size=256 --model-path=None --lr2=5e-5 --lr=5e-5 --decay-every=5000 --type_= ' word '  --model-path= ' checkpoints/LSTMText_word_0.409196378421 '

3.2 Modèles de train avec augmentation des données

Ajouter --augument dans la commande de formation.

3,3 scores

modèle score
Cnn_word 0,4103
Rnn_word 0,4119
Rcnn_word 0,4115
Inceptin_word 0,4109
FastText_Word 0,4091
Rnn_char 0,4031
RCNN_CHAR 0,4037
Inception_Char 0,4024
RCNN_WORD_AUG 0.41344
Cnn_word_aug 0,41051
Rnn_word_aug 0.41368
Incetpion_word_aug 0,41254
FastText3_Word_AUG 0.40853
Cnn_char_aug 0,38738
RCNN_CHAR_AUG 0,39854

Avec Model Ensemble, il peut atteindre 0,433.

4 tester et soumettre

4.1 Test

  • Modèle: Inclure LSTMText , RCNN , MultiCNNTextBNDeep , FastText3 , CNNText_inception
  • Path de modèle: chemin vers le modèle pré-entraîné
  • Path de résultat: où sauver le modèle
  • VAL: Testez l'ensemble de Val ou le jeu de tests. 
 # LSTM
python2 test.1.py main --model= ' LSTMText '  --batch-size=512  --model-path= ' checkpoints/LSTMText_word_0.411994005382 ' --result-path= ' /data_ssd/zhihu/result/LSTMText0.4119_word_test.pth '  --val=False --zhuge=True

python2 test.1.py main --model= ' LSTMText '  --batch-size=256 --type_=char --model-path= ' checkpoints/LSTMText_char_0.403192339135 ' --result-path= ' /data_ssd/zhihu/result/LSTMText0.4031_char_test.pth '  --val=False --zhuge=True
 
# RCNN
python2 test.1.py main --model= ' RCNN '  --batch-size=512  --model-path= ' checkpoints/RCNN_word_0.411511574999 ' --result-path= ' /data_ssd/zhihu/result/RCNN_0.4115_word_test.pth '  --val=False --zhuge=True

python2 test.1.py main --model= ' RCNN '  --batch-size=512  --model-path= ' checkpoints/RCNN_char_0.403710422571 ' --result-path= ' /data_ssd/zhihu/result/RCNN_0.4037_char_test.pth '  --val=False --zhuge=True

# DeepText

python2 test.1.py main --model= ' MultiCNNTextBNDeep '  --batch-size=512  --model-path= ' checkpoints/MultiCNNTextBNDeep_word_0.410330780091 ' --result-path= ' /data_ssd/zhihu/result/DeepText0.4103_word_test.pth '  --val=False --zhuge=True
# more to go ...

4.2 Ensemble

Voir notebooks/val_ensemble.ipynb et notebooks/test_ensemble.ipynb pour plus de détails

5 fichiers principaux

  • main.py : Main (pour la formation)
  • config.py : fichier de configuration
  • test.1.py : pour le test
  • data/ : pour le chargeur de données
  • scripts/ : pour le prétraitement des données
  • utils/ : y compris calculer le score et l'emballage pour la visualisation.
  • models/ : modèles
    • models/BasicModel : Modèle de base pour les modèles.
    • models/MultiCNNTextBNDeep : CNN
    • models/LSTMText : RNN
    • models/RCNN : RCNN
    • models/CNNText_inception Inception
    • models/MultiModelALL和models/MultiModelAll2
    • autre modèle
  • rep.py : code pour la reproduction.
  • del/ : Les méthodes échouent ou non utilisées.
  • notebooks/ : ordinateurs portables.

Modèle pré-entraîné

https://pan.baidu.com/s/1mjvtjgs passwd: tayb

Développer
Informations supplémentaires
Applications connexes
Recommandé pour vous
Actualités connexes Tout