rnn.wgan

Генерация языка с повторяющимися генеративными состязательными сетями без предварительного обучения

Код для обучения и оценки модели из «генерации языка с повторяющимися генеративными состязательными сетями без предварительного обучения».

Короткое резюме бумаги доступна здесь.

Выходы образцов (32 Chars)

 " There has been to be a place w
On Friday , the stories in Kapac
From should be taken to make it 
He is conference for the first t
For a lost good talks to ever ti

Обучение

Чтобы начать обучение модели CL+VL+TH, сначала загрузите набор данных, доступный по адресу http://www.statmt.org/lm-benchmark/ и извлеките его в каталог ./data .

Затем используйте следующую команду:

 python curriculum_training.py

Требуются следующие пакеты:

• Python 2.7
• Tensorflow 1.1
• Scipy
• Matplotlib

Можно настроить следующие параметры:

 LOGS_DIR: Path to save model checkpoints and samples during training (defaults to './logs/')
DATA_DIR: Path to load the data from (defaults to './data/1-billion-word-language-modeling-benchmark-r13output/')
CKPT_PATH: Path to checkpoint file when restoring a saved model
BATCH_SIZE: Size of batch (defaults to 64)
CRITIC_ITERS: Number of iterations for the discriminator (defaults to 10)
GEN_ITERS: Number of iterations for the geneartor (defaults to 50)
MAX_N_EXAMPLES: Number of samples to load from dataset (defaults to 10000000)
GENERATOR_MODEL: Name of generator model (currently only 'Generator_GRU_CL_VL_TH' is available)
DISCRIMINATOR_MODEL: Name of discriminator model (currently only 'Discriminator_GRU' is available)
PICKLE_PATH: Path to PKL directory to hold cached pickle files (defaults to './pkl')
ITERATIONS_PER_SEQ_LENGTH: Number of iterations to run per each sequence length in the curriculum training (defaults to 15000)
NOISE_STDEV: Standard deviation for the noise vector (defaults to 10.0)
DISC_STATE_SIZE: Discriminator GRU state size (defaults to 512)
GEN_STATE_SIZE: Genarator GRU state size (defaults to 512)
TRAIN_FROM_CKPT: Boolean, set to True to restore from checkpoint (defaults to False)
GEN_GRU_LAYERS: Number of GRU layers for the genarator (defaults to 1)
DISC_GRU_LAYERS: Number of GRU layers for the discriminator (defaults to 1)
START_SEQ: Sequence length to start the curriculum learning with (defaults to 1)
END_SEQ: Sequence length to end the curriculum learning with (defaults to 32)
SAVE_CHECKPOINTS_EVERY: Save checkpoint every # steps (defaults to 25000)
LIMIT_BATCH: Boolean that indicates whether to limit the batch size  (defaults to true)

Параметры могут быть установлены либо путем изменения их значения в файле конфигурации, либо передавая их в терминал:

 python curriculum_training.py --START_SEQ=1 --END_SEQ=32

Генерируя текст

Сценарий generate.py будет генерировать образцы BATCH_SIZE с использованием сохраненной модели. Его следует запускать с помощью параметров, используемых для обучения модели (если они отличаются от значений по умолчанию). Например:

 python generate.py --CKPT_PATH=/path/to/checkpoint/seq-32/ckp --DISC_GRU_LAYERS=2 --GEN_GRU_LAYERS=2

(Если ваша модель не достигла стадии 32 в учебной программе, обязательно измените «32» на пути выше на максимальную стадию в учебной программе, на которой обучалась ваша модель.)

Оценка текста

Чтобы оценить образцы, используя наши метрики %-in-test-n, используйте следующую команду, ссылаясь на файл TXT, где каждая строка является образцом:

 python evaluate.py --INPUT_SAMPLE=/path/to/samples.txt

Ссылка

Если вы нашли этот код полезным, пожалуйста, укажите следующую статью:

 @article{press2017language,
  title={Language Generation with Recurrent Generative Adversarial Networks without Pre-training},
  author={Press, Ofir and Bar, Amir and Bogin, Ben and Berant, Jonathan and Wolf, Lior},
  journal={arXiv preprint arXiv:1706.01399},
  year={2017}
}

Благодарности

Этот репозиторий основан на коде, опубликованном в улучшенном обучении Wasserstein Gans.