文件名称：seq2seq-attn：具有LSTM编码器解码器的序列到序列模型和注意事项
文件大小：2.51MB
文件格式：ZIP
更新时间：2024-03-15 23:42:37
Lua
注意神经网络的序列到序列学习 更新：检出的beta版本，完全支持seq2seq-attn的功能完全重写。 Seq2seq-attn将继续受支持，但是新功能和优化将集中在新代码库上。 在编码器-解码器为LSTM的情况下，以（可选）注意标准序列到序列模型的实现。 编码器可以是双向LSTM。 此外，还可以选择通过运行卷积神经网络，然后运行基于字符嵌入的用作输入）来使用字符（而不是输入单词嵌入）。 注意模型是从，Luong等。 EMNLP2015。我们将全球通用注意力模型与本文中的输入反馈方法结合使用。 输入进纸是可选的，可以关闭。 角色模型来自“ ，Kim等。 AAAI 2016年。 在基线模型之上还有很多其他选项，这主要归功于的出色。 具体来说，有一些功能可以实现： 。 Luong等人，EMNLP 2015。 Costa-Jussa和Fonollosa，ACL，2016年。 。
【文件预览】：
seq2seq-attn-master
----data()
--------src-val.txt(390KB)
--------src-val-case.txt(671KB)
--------targ-val.txt(452KB)
--------src-test-case.txt(576KB)
--------src-train-case.txt(2.05MB)
--------targ-test.txt(367KB)
--------src-test.txt(337KB)
--------src-train.txt(1.2MB)
--------targ-train.txt(1.35MB)
----evaluate.lua(817B)
----prune.lua(3KB)
----s2sa()
--------scorer.lua(104B)
--------extract_states.lua(17KB)
--------data.lua(8KB)
--------models.lua(12KB)
--------scorers()
--------plinear.lua(3KB)
--------memory.lua(3KB)
--------beam.lua(23KB)
--------model_utils.lua(3KB)
----LICENSE(1KB)
----train.lua(40KB)
----preprocess.py(24KB)
----preprocess-shards.py(14KB)
----.gitignore(1KB)
----README.md(21KB)
----convert_to_cpu.lua(762B)