文件名称:
bi-att-flow：双向注意流（BiDAF）网络是一个多阶段的分层过程，用于表示不同粒度级别的上下文，并使用双向注意流机制来实现查询感知的上下文表示，而无需尽早汇总-源码
开发工具:
文件大小: 137kb
下载次数: 0
上传时间: 2021-02-03
详细说明：机器学习的双向注意力流
这是的原始实现。
可找到提交的CodaLab工作表。
对于TensorFlow v1.2兼容版本，请参阅分支。
如有问题和建议，请联系 （ ）。
0.要求
一般
Python（已在3.5.2。上验证。Python2已报告问题！）
解压缩，wget（仅用于运行download.sh ）
Python包
tensorflow（深度学习库，仅适用于r0.11）
nltk（NLP工具，已在3.2.1上验证）
tqdm（进度条，已在4.7.4上验证）
jinja2（用于虚假化；如果只培训和测试，则不需要）
1.预处理
首先，准备数据。 下载SQuAD数据以及GloVe和nltk语料库（〜850 MB，这会将文件下载到$HOME/data ）：
chmod +x download.sh; ./download.sh
其次，预处理Stanford QA数据集（以及GloVe向量），并将其保存在$PWD/data/squad （约5分钟）：
python -m squad.prepro
2.培训
该模型具有〜2.5M参数。 该模型由NVidia Titan
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
