meta_seq2seq:通过元序列到序列学习进行成分合成

时间:2024-05-05 08:07:03
【文件属性】:

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)

网友评论