Dynamic memory networks plus Pytorch
1.0.0
Implementasi DMN+ di Pytorch untuk pertanyaan menjawab pada dataset BABI 10K.
| mengajukan | keterangan |
|---|---|
babi_loader.py | Deklarasi Kelas Dataset Babi Pytorch |
babi_main.py | Berisi model DMN+ dan kode pelatihan |
fetch_data.sh | Skrip shell untuk mengambil tugas Babi (dari DMN di Theano) |
Instal Pytorch V0.1.12 dan Python 3.6.x (untuk interpolasi string literal)
Jalankan skrip shell yang disertakan untuk mengambil data
chmod +x fetch_data.sh
./fetch_data.sh
Jalankan kode Python utama
python babi_main.py
Akurasi rendah dibandingkan dengan Xiong et al mungkin karena pengaturan pembusukan berat yang berbeda atau ketidakstabilan model.
Pada beberapa tugas, akurasinya tidak stabil di beberapa kali berjalan. Ini sangat bermasalah pada QA3, QA17, dan QA18. Untuk menyelesaikan ini, kami mengulangi pelatihan 10 kali menggunakan inisialisasi acak dan mengevaluasi model yang mencapai kerugian set validasi terendah.
Anda dapat menemukan model pretrained di sini
| ID tugas | Repo ini | Xiong et al |
|---|---|---|
| 1 | 100% | 100% |
| 2 | 96,8% | 99,7% |
| 3 | 89,2% | 98,9% |
| 4 | 100% | 100% |
| 5 | 99,5% | 99,5% |
| 6 | 100% | 100% |
| 7 | 97,8% | 97,6% |
| 8 | 100% | 100% |
| 9 | 100% | 100% |
| 10 | 100% | 100% |
| 11 | 100% | 100% |
| 12 | 100% | 100% |
| 13 | 100% | 100% |
| 14 | 99% | 99,8% |
| 15 | 100% | 100% |
| 16 | 51,6% | 54,7% |
| 17 | 86,4% | 95,8% |
| 18 | 97,9% | 97,9% |
| 19 | 99,7% | 100% |
| 20 | 100% | 100% |
