文件名称：meta_seq2seq:通过元序列到序列学习进行成分合成
文件大小：1.15MB
文件格式：ZIP
更新时间：2024-05-05 08:07:03
Python
元序列到序列学习的PyTorch实现 元seq2seq学习是seq2seq模型的一种基于内存的元学习形式。 香草神经网络在合成性方面苦苦挣扎，但是可以通过对一系列seq2seq问题进行培训来获得解决新问题所需的合成技巧，从而对其进行改进。 执照 请参阅许可证以了解使用条款。 引用此代码 请引用以下论文： 神经信息处理系统的进展。 我感谢Sean Robertson的，该是seq2seq代码的基础。 先决条件 的Python 3 麻木PyTorch（在v1.0上开发） 使用代码 训练模型要使用NeurIPS论文中的默认参数（经过互斥性任务训练）运行模型，只需键入： python train . py 这将产生一个文件out_models/net_ME.tar 。 训练脚本每隔100个时代会打印剩余时间以及验证效果： TrainLoss : 0.0017 , ValAccRet
【文件预览】：
meta_seq2seq-master
----train.py(40KB)
----masked_cross_entropy.py(2KB)
----test.py(9KB)
----model.py(19KB)
----CONTRIBUTING.md(2KB)
----generate_episode.py(15KB)
----LICENSE(19KB)
----README.md(5KB)
----data()
--------tasks_train_addprim_turn_left.txt(3.79MB)
--------tasks_test_addprim_turn_left.txt(170KB)
--------tasks_train_length.txt(2.6MB)
--------tasks_test_template_around_right.txt(1.19MB)
--------tasks_test_addprim_jump.txt(1.46MB)
--------tasks_test_length.txt(1.29MB)
--------meta_seq2seq.jpg(200KB)
--------tasks_train_template_around_right.txt(2.44MB)
--------tasks_train_all.txt(3.89MB)
--------tasks_train_addprim_jump.txt(2.46MB)
----CODE_OF_CONDUCT.md(3KB)
----.gitignore(29B)