Dynamic memory networks plus Pytorch

动态 - 内存网络 - 加上pytorch

DMN+在Pytorch中实现了BABI 10K数据集上的问题。

内容

文件	描述
babi_loader.py	Babi Pytorch数据集的声明
babi_main.py	包含DMN+模型和培训代码
fetch_data.sh	壳脚本以获取BABI任务（来自Theano的DMN）

用法

安装Pytorch V0.1.12和Python 3.6.x（用于字面字符串插值）

运行随附的外壳脚本以获取数据

 chmod +x fetch_data.sh
./fetch_data.sh

运行主要的Python代码

 python babi_main.py

基准

与Xiong等人相比，低精度可能是由于重量衰减设置不同或模型的不稳定性所致。

在某些任务上，精度在多个运行中不稳定。这在QA3，QA17和QA18上尤其有问题。为了解决这个问题，我们使用随机初始化重复了10次训练，并评估了达到最低验证集损失的模型。

您可以在这里找到据位的模型

任务ID	这个存储库	Xiong等
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％