首页下载资源人工智能用seq2seq模型玩对联 利用深度学习对对联

ZIP用seq2seq模型玩对联 利用深度学习对对联

2301_8048821424.82KB需要积分:1

资源文件列表:

seq2seq-couplet-master.zip 大约有18个文件
  1. seq2seq-couplet-master/
  2. seq2seq-couplet-master/.github/
  3. seq2seq-couplet-master/.github/FUNDING.yml 16B
  4. seq2seq-couplet-master/.gitignore 35B
  5. seq2seq-couplet-master/Dockerfile 579B
  6. seq2seq-couplet-master/Dockerfile-cpu 204B
  7. seq2seq-couplet-master/LICENSE 33.71KB
  8. seq2seq-couplet-master/README.markdown 2.07KB
  9. seq2seq-couplet-master/bleu.py 3.98KB
  10. seq2seq-couplet-master/couplet.py 464B
  11. seq2seq-couplet-master/iwslt.py 427B
  12. seq2seq-couplet-master/model.py 10.71KB
  13. seq2seq-couplet-master/nmt.py 557B
  14. seq2seq-couplet-master/reader.py 4.54KB
  15. seq2seq-couplet-master/requirements-cpu.txt 105B
  16. seq2seq-couplet-master/requirements.txt 107B
  17. seq2seq-couplet-master/seq2seq.py 7.03KB
  18. seq2seq-couplet-master/server.py 4KB

资源介绍:

用法 打开couplet.py并配置文件位置和超参数。然后运行python couplet.py以训练模型。你可以在 Tensorbloard 上看到训练损失和 bleu 分数。learning_rate当你发现损失停止下降时,你可能需要重新配置。 如果您停止训练并想继续训练。您可以设置restore_model为True并使用m.train(, start=),这start是您已经运行的步骤。 我已经在 Nvidia GTX-1080 GPU 上训练了该模型大约 4 天。 运行经过训练的模型 打开server.py并配置vocab_file和model_dir参数。然后运行python server.py将启动一个可以播放对联的web服务。 或者使用 Dockerfile 构建 Docker 镜像并使用 Docker 运行它。记得将正确的模型文件路径挂载到 Docker 容器中。
Flask==1.0.2 Flask-Cors==3.0.9 gevent==1.2.2 greenlet==0.4.13 numpy tensorboard==1.15 tensorflow-gpu==1.15
100+评论
captcha