transformer tensorflow

transformateur

La mise en œuvre de TensorFlow de l'attention est tout ce dont vous avez besoin. (2017. 6)

Exigences

• Python 3.6
• Tensorflow 1.8
• HB-Config (config de singleton)
• NLTK (Tokenizer et Blue Score)
• TQDM (barre de progression)
• URL de webhook relâchée Slack

Structure du projet

Projet init par HB-bases

 .
├── 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

Référence: HB-Config, ensemble de données, expériences_fn, Estimatorspec

Faire

• Train et évaluer avec un ensemble de données «WMT German-English (2016)»

Configurer

Peut contrôler tout l'environnement expérimental .

Exemple: 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

• Mode de débogage: à l'aide de tfdbg
• check-tiny est un ensemble de données avec environ 30 phrases qui sont traduites du coréen en anglais. (Recommander le lire :))

Usage

Installer les exigences.

pip install -r requirements.txt

Ensuite, les données brutes pré-processus.

python data_loader.py --config check-tiny

Enfin, commencez le train et évaluez le modèle

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

Ou, vous pouvez utiliser un ensemble de données anglais-vietnamien IWSLT'15.

 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

Prédire

Après l'entraînement, vous pouvez tester le modèle.

• commande

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

• exemple

$ 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>

Modes d'expériences

✅: Travailler
◽: Non encore testé.

• ✅ evaluate : évaluer les données d'évaluation.
• ◽ extend_train_hooks : étend les crochets pour la formation.
• ◽ reset_export_strategies : réinitialise les stratégies d'exportation avec les stratégies new_export_stares.
• ◽ run_std_server : démarre un serveur TensorFlow et rejoint le thread de service.
• ◽ test : teste la formation, l'évaluation et l'exportation de l'estimateur pour une seule étape.
• ✅ train : Ajustez l'estimateur à l'aide des données d'entraînement.
• ✅ train_and_evaluate : Formation et évaluation entrelacées.

---

Tensorboar

tensorboard --logdir logs

• Exemple de contrôle

Référence

• HB-Research / Notes - l'attention est tout ce dont vous avez besoin
• Paper - L'attention est tout ce dont vous avez besoin (2017. 6) par un Vaswani (Google Brain Team)
• Tensor2tensor - une bibliothèque pour les modèles de séquence généralisés (code officiel)

Auteur

Dongjun Lee ([email protected])