Dynamic memory networks plus Pytorch

ไดนามิก-หน่วยความจำ-เครือข่าย-บวก-pytorch

การใช้งาน DMN+ ใน Pytorch สำหรับการตอบคำถามในชุดข้อมูล BABI 10K

สารบัญ

ไฟล์	คำอธิบาย
babi_loader.py	ประกาศชุดข้อมูลชุดข้อมูล Babi Pytorch
babi_main.py	มีโมเดล DMN+ และรหัสการฝึกอบรม
fetch_data.sh	เชลล์สคริปต์เพื่อดึงงาน Babi (จาก DMNs ใน Theano)

การใช้งาน

ติดตั้ง pytorch v0.1.12 และ python 3.6.x (สำหรับการแก้ไขสตริงตัวอักษร)

เรียกใช้เชลล์สคริปต์ที่รวมไว้เพื่อดึงข้อมูล

 chmod +x fetch_data.sh
./fetch_data.sh

เรียกใช้รหัส Python หลัก

 python babi_main.py

เกณฑ์มาตรฐาน

ความแม่นยำต่ำเมื่อเทียบกับ Xiong et al's อาจเกิดจากการตั้งค่าการสลายตัวของน้ำหนักที่แตกต่างกันหรือความไม่แน่นอนของโมเดล

ในบางงานความแม่นยำไม่มั่นคงในการวิ่งหลายครั้ง นี่เป็นปัญหาโดยเฉพาะอย่างยิ่งใน QA3, QA17 และ QA18 เพื่อแก้ปัญหานี้เราได้ฝึกอบรมซ้ำ 10 ครั้งโดยใช้การเริ่มต้นแบบสุ่มและประเมินแบบจำลองที่ประสบความสำเร็จในการตรวจสอบความถูกต้องต่ำสุด

คุณสามารถหารุ่นที่ผ่านการฝึกอบรมได้ที่นี่

รหัสงาน	repo นี้	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%