portuguese_wsc
ENIAC
현재 개발 중입니다
포르투갈어의 Winograd 스키마 챌린지 솔버. 원래 Winograd Schema Challenge에 대한 포르투갈어 번역도 여기에서 제안되고 있습니다.
예비 결과는 회의 논문에 제시되었다 : Melo, Gabriela Souza de; Imaizumi, Vinicius A.; Cozman, Fabio Gagliardi. 포르투갈어의 Winograd Schemas. 에서 : Encontro Nacional de Inteligência 인공 E Computacional, 2019.
이 프로젝트는 CUDA GPU가없는 기계에서 테스트되지 않았습니다.
Dockerfile을 사용할 수 있으며 docker build -t wsc_port . 다음 nvidia-docker run -it -v $PWD/models:/code/models wsc_port <desired_command> (예 : nvidia-docker run -it -v $PWD/models:/code/models wsc_port python -m src.main ).
Docker-Compose 파일에는 코드를 실행하기위한 몇 가지 다른 옵션이 포함되어 있으며 다음과 같은 명령으로 실행할 수 있습니다. docker-compose run <service_name> (예 : docker-compose run train ). Jupyter-Server의 경우 docker-compose run --service-ports jupyter-server )으로 실행하십시오 (웹 페이지에 액세스하기위한 root ).
Docker 컨테이너 밖에서 달리기 위해서는 Conda가 필요합니다.
conda env create -f environment.ymlMakeFile에는 코드를 실행하는 데 사용되는 일부 명령이 포함되어 있습니다. 이 명령은 환경 내부에서 실행되어야합니다.
make dev-init . 이 명령은 또한 make processed-data 모델을 훈련하는 데 필요한 데이터를 준비합니다.make reduced-processed-data 각 스플릿의 크기가 줄어 듭니다.make corpus 첫 번째 코드 실행 속도를 높일 수 있습니다 (그러나 필요하지 않음)make trainmake winograd-test Winograd Schema Challenge의 평가를 실행하십시오make generate 코드는 영어와 포르투갈 사례 모두에 대해 실행 되며이 설정은 src.consts 의 변수 PORTUGUESE 에 의해 제어됩니다.
make tests 사용하여 테스트를 실행합니다.이 테스트는 pytest --cov=src tests/ 와 같습니다. HTML 테스트 보고서 생성에 pytest --cov=src --cov-report=html tests/ 사용하십시오. Pytest 및 Pytest-Cov 패키지가 필요합니다. 가져 오기 오류가있는 경우 pip install -e . 소스 코드에서 패키지를 로컬로 설치하려면.
이 저장소에는 원래 HTML 파일에서 Winograd Schema Collection JSON을 생성하여 솔버가 사용할 준비가되어 있습니다. 이 세대는 python -m src.winograd_collection_manipulation.wsc_subsets_generation 실행하여 발생합니다. 번역 된 이름으로 버전을 생성하려면 첫 번째 명령 후에 python -m src.winograd_collection_manipulation.name_replacer 실행하십시오. JSON 파일이 이미이 저장소에 존재한다는 점을 감안할 때 솔버를 실행할 수 있도록 이러한 명령을 호출 할 필요는 없습니다. 그러나이 코드는 다른 언어에 대한 도전에 대한 번역에 도움이 될 수있는 경우이 코드를 사용할 수 있습니다.
├── LICENSE
├── Makefile <- Makefile with commands like `make data` or `make train`.
├── README.md <- The top-level README for developers using this project.
├── environment.yml <- Contains project's requirements, generated from Anaconda environment.
├── setup.py <- makes project pip installable (pip install -e .) so src can be imported.
│
├── data
│ ├── external <- Data from third party sources.
│ ├── interim <- Intermediate data that has been transformed.
│ ├── processed <- The final, canonical data sets for modeling.
│ └── raw <- The original, immutable data dump.
│
├── githooks <- Contains githooks scripts being used for development. Git hook directory for repo needs to be set to this folder.
│
├── models <- Trained and serialized models, model predictions, or model summaries. Gitignored due to their size.
│
├── notebooks <- Jupyter notebooks, used during experimentation and testing.
│
├── src <- Source code for use in this project.
│ ├── __init__.py <- Makes src a Python module.
└── tests <- Tests module, using Pytest.
Cookiecutter 데이터 과학 프로젝트 템플릿을 기반으로 한 프로젝트. #cookiecutterdatascience
