开发工具:
文件大小: 101mb
下载次数: 0
上传时间: 2018-09-13
详细说明：1.环境配置： ubantu(16.04) python(3.5) tensorflow(0.12.0) export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp35-cp35m-linux_x86_64.whl sudo pip3 install --upgrade $TF_BINARY_URL 2.模型介绍： https://www.tensorflow.org/versions/r0.12/tutorials/seq2seq/ 本项目基于seq2seq模型： 问答对： 问题：你是谁？-->转为向量（20,9,10） 答案：我是你的机器人。-->转为向量（30,9,20,1,3,4,5) 将以上向量放入模型进行训练。 3.模型优化: layer_size = 256 # 每层大小 num_layers = 3 # 层数 增大layer_size的大小以扩大特征矩阵，调整隐层数量，调整学习率函数，提高训练次数。 4.模型使用： (1)首先在data文件夹里放置训练集文件，并 命名为dgk_shooter_min.conv,数据格式请参考我发给你的实例文件，编码请使用utf-8 (2)运行read_data.py将初始数据转化为问答对，并分割数据成训练集和测试集，保存为： train_encode_file = 'data/train.enc' train_decode_file = 'data/train.dec' test_encode_file = 'data/test.enc' test_decode_file = 'data/test.dec' 然后程序会以测试集以及训练集中的问答对为输入生成词汇表（类似搜索引擎的索引库），接着基于以上生成的词汇表，把问答对转化为向量矩阵，以方便在模型中训练。 （3）运行cnnbrain_model.py读取训练集并且训练模型，注意如果不停止模型会一直不停的自动训练下去。并且模型会自动调整学习率。如果人为终止程序，在下次运行时程序会接着上次的模型继续进行训练。 （4）运行test.py进行模型测试
(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.
相关搜索:
