tf seq2seq
1.0.0
コアビルディングブロックは、RNNエンコーダデコーダーアーキテクチャと注意メカニズムです。
このパッケージは、最新（1.2）tf.contrib.seq2seqモジュールを使用して主に実装されていました
パッケージはサポートします
sample_data.srcとsample_data.trgの生の並列データを事前に処理するには、単に実行する
cd data /
. / preprocess . sh src trg sample_data $ { max_seq_len }上記のコードを実行すると、機械翻訳（MT）に広く使用されている前処理手順が実行されます。
seq2seqモデルをトレーニングするには、
$ python train . py -- cell_type 'lstm'
-- attention_type 'luong'
-- hidden_units 1024
-- depth 2
-- embedding_size 500
-- num_encoder_symbols 30000
-- num_decoder_symbols 30000 ...デコードのために訓練されたモデルを実行するには、
$ python decode . py -- beam_width 5
-- decode_batch_size 30
-- model_path $PATH_TO_A_MODEL_CHECKPOINT ( e . g . model / translate . ckpt - 100 )
-- max_decode_step 300
-- write_n_best False
-- decode_input $PATH_TO_DECODE_INPUT
-- decode_output $PATH_TO_DECODE_OUTPUT
--beam_width=1の場合、各タイムステップで貪欲なデコードが実行されます。
データパラメーション
--source_vocabulary ：ソース語彙へのパス--target_vocabulary ：ターゲット語彙へのパス--source_train_data ：ソーストレーニングデータへのパス--target_train_data ：ターゲットトレーニングデータへのパス--source_valid_data ：ソース検証データへのパス--target_valid_data ：ターゲット検証データへのパスネットワークパラメーション
--cell_type ：エンコーダーとデコーダーに使用するRNNセル（デフォルト：LSTM）--attention_type ：注意メカニズム（Bahdanau、luong）、（デフォルト：Bahdanau）--depth ：モデル内の各レイヤーの非表示ユニットの数（デフォルト：2）--embedding_size ：エンコーダーとデコーダーの入力の寸法の埋め込み（デフォルト：500）--num_encoder_symbols ：使用するソース語彙サイズ（デフォルト：30000）--num_decoder_symbols ：使用するターゲットの語彙サイズ（デフォルト：30000）--use_residual ：レイヤー間の残留接続を使用します（デフォルト：true）--attn_input_feeding ：注意デコーダーで入力給餌方法を使用します（Luong et al。、2015）（デフォルト：True）--use_dropout ：RNNセル出力でドロップアウトを使用します（デフォルト：true）--dropout_rate ：セル出力のドロップアウト確率（0.0：ドロップアウトなし）（デフォルト：0.3）トレーニングパラメーション
--learning_rate ：モデル内の各レイヤーの非表示ユニットの数（デフォルト：0.0002）--max_gradient_norm ：このノルムへのクリップグラデーション（デフォルト1.0）--batch_size ：バッチサイズ--max_epochs ：最大トレーニングエポック--max_load_batches ：一度にプリフェッチするバッチの最大数。--max_seq_length ：最大シーケンス長--display_freq ：この反復ごとにトレーニングステータスを表示します--save_freq ：この反復ごとにモデルチェックポイントを保存します--valid_freq ：モデルを評価するすべての繰り返し：valid_dataが必要--optimizer ：トレーニング用オプティマイザー：（ Adadelta、Adam、RMSProp）（デフォルト：Adam）--model_dir ：モデルチェックポイントを保存するパス--model_name ：モデルチェックポイントに使用されるファイル名--shuffle_each_epoch ：各エポックのシャッフルトレーニングデータセット（デフォルト：true）--sort_by_length ：ターゲットシーケンスの長さで事前にフェッチしたミニバッチをソートします（デフォルト：true）パラメーションのデコード
--beam_width ：beamsearchで使用されるビーム幅（デフォルト：1）--decode_batch_size ：デコードで使用されるバッチサイズ--max_decode_step ：デコードの最大時間ステップ制限（デフォルト：500）--write_n_best ：beamsearch n-bestリストを書き込む（n = beam_width）（デフォルト：false）--decode_input ：decodeにファイルパスを入力します--decode_output ：出力ファイルパスのデコード出力のパスランタイムパラメーション
--allow_soft_placement ：デバイスのソフト配置を許可します--log_device_placement ：デバイス上のOPSのログ配置実装は、次のプロジェクトに基づいています。
コメントやフィードバックについては、[email protected]までメールでお問い合わせいただくか、ここで問題を開いてください。
