文件名称：treelstm.pytorch:PyTorch中的Tree LSTM实现
文件大小：23KB
文件格式：ZIP
更新时间：2024-06-01 03:46:38
machine-learning deep-learning pytorch machinelearning deeplearning
树形结构的长期短期记忆网络 这是Tree-LSTM的实现，如Kai Sheng Tai，Richard Socher和Christopher Manning在论文《中所述。 在使用SICK数据集的语义相似性任务上，此实现达到： 皮尔逊系数： 0.8492和MSE： 0.2842使用超参数--lr 0.010 --wd 0.0001 --optim adagrad --batchsize 25 皮尔逊系数： 0.8674和MSE： 0.2536使用超参数）-- --lr 0.025 --wd 0.0001 --optim adagrad --batchsize 25 --freeze_embed 皮尔逊系数： 0.8676和MSE： 0.2532是原始论文中报告的数字。 已知的差异包括梯度的累积方式（是否通过批处理大小进行归一化）。 要求 Python（在3.6.5上测试，应在> =
【文件预览】：
treelstm.pytorch-master
----.dockerignore(43B)
----fetch_and_preprocess.sh(243B)
----.flake8(99B)
----config.py(2KB)
----Dockerfile(684B)
----scripts()
--------download.py(4KB)
--------preprocess-sick.py(4KB)
--------download.sh(1KB)
----lib()
--------DependencyParse.java(5KB)
--------CollapseUnaryTransformer.java(1KB)
--------ConstituencyParse.java(7KB)
----treelstm()
--------vocab.py(2KB)
--------utils.py(2KB)
--------model.py(3KB)
--------dataset.py(3KB)
--------__init__.py(315B)
--------tree.py(946B)
--------metrics.py(504B)
--------Constants.py(108B)
--------trainer.py(2KB)
----main.py(7KB)
----requirements.txt(81B)
----LICENSE(1KB)
----README.md(5KB)
----.gitignore(101B)