文件名称：matlab代码左移-nmt_seq2seq:释义句子的序列到序列模型训练
文件大小：872KB
文件格式：ZIP
更新时间：2024-06-12 22:56:16
系统开源
matlab代码左移神经机器翻译（seq2seq）教程 作者：Thang Luong，Eugene Brevdo，赵瑞（，） 此版本的教程要求。 要使用稳定的TensorFlow版本，请考虑其他分支，例如。 如果您使用此代码库进行研究，请引用。 介绍 序列到序列（seq2seq）模型（，）在各种任务（例如机器翻译，语音识别和文本摘要）中都取得了巨大的成功。 本教程为读者提供了对seq2seq模型的全面理解，并展示了如何从头开始构建具有竞争力的seq2seq模型。 我们专注于神经机器翻译（NMT）的任务，这是带有wild的seq2seq模型的第一个测试平台。 所包含的代码轻巧，高质量，可立即投入生产，并结合了最新的研究思路。 我们通过以下方式实现这一目标： 使用最新的解码器/注意包装器，TensorFlow 1.2数据迭代器 结合我们在构建递归模型和seq2seq模型方面的专业知识 提供有关构建最佳NMT模型和复制的提示和技巧。 我们认为，提供人们可以轻松复制的基准非常重要。 因此，我们提供了完整的实验结果，并在以下公开可用的数据集上对模型进行了预训练： 小型：由ET提供的TED演讲的英
【文件预览】：
nmt_seq2seq-master
----CONTRIBUTING.md(1KB)
----LICENSE(11KB)
----execute.py(2KB)
----README.md(53KB)
----nmt()
--------inference.py(8KB)
--------model_helper.pyc(18KB)
--------nmt.py(24KB)
--------model.pyc(18KB)
--------nmt_test.py(3KB)
--------train.py(21KB)
--------utils()
--------testdata()
--------model_test.py(47KB)
--------__init__.pyc(102B)
--------g3doc()
--------gnmt_model.py(10KB)
--------train.pyc(14KB)
--------scripts()
--------inference_test.py(8KB)
--------model.py(25KB)
--------__init__.py(0B)
--------attention_model.py(7KB)
--------inference.pyc(6KB)
--------gnmt_model.pyc(8KB)
--------attention_model.pyc(5KB)
--------.gitignore(50B)
--------standard_hparams()
--------model_helper.py(21KB)
----.gitignore(35B)