第N8周:seq2seq翻譯實戰-Pytorch復現

  • 🍨 本文為🔗365天深度學習訓練營 中的學習記錄博客
  • 🍖 原作者:K同學啊 | 接輔導、項目定制

一、前期準備

from __future__ import unicode_literals, print_function, division
from io import open
import unicodedata
import string
import re
import randomimport torch
import torch.nn as nn
from torch import optim
import torch.nn.functional as Fdevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)

1、搭建語言類

SOS_token = 0
EOS_token = 1# 語言類,方便對語料庫進行操作
class Lang:def __init__(self, name):self.name = nameself.word2index = {}self.word2count = {}self.index2word = {0: "SOS", 1: "EOS"}self.n_words    = 2  # Count SOS and EOSdef addSentence(self, sentence):for word in sentence.split(' '):self.addWord(word)def addWord(self, word):if word not in self.word2index:self.word2index[word] = self.n_wordsself.word2count[word] = 1self.index2word[self.n_words] = wordself.n_words += 1else:self.word2count[word] += 1

定義了一個名為Lang的類,用于處理語料庫。Lang類包含了兩個函數,addSentence和addWord,用于向語料庫中添加句子和單詞。類中包含了一些屬性,word2index、word2count、index2word、n_words,分別用于存儲單詞到索引的映射、單詞累計次數、索引到單詞的映射以及單詞總數。

2、文本處理函數?

def unicodeToAscii(s):return ''.join(c for c in unicodedata.normalize('NFD', s)if unicodedata.category(c) != 'Mn')# 小寫化,剔除標點與非字母符號
def normalizeString(s):s = unicodeToAscii(s.lower().strip())s = re.sub(r"([.!?])", r" \1", s)s = re.sub(r"[^a-zA-Z.!?]+", r" ", s)return s

unicodeToAscii 函數的通過使用 unicodedata.normalize('NFD', s) 將字符串進行規范化分解,然后通過列表推導式保留所有不屬于 'Mn' 類別的字符,最后將這些字符拼接成一個新的字符串返回。

normalizeString 函數先調用 unicodeToAscii 函數將輸入的字符串轉換為 ASCII 字符串,然后使用正則表達式替換掉所有的句號、感嘆號和問號,以及所有非字母、非空格、非句號、非感嘆號、非問號的字符,最后返回處理后的字符串。

3、文件讀取函數?

def readLangs(lang1,lang2,reverse=False):print("Reading lines...")lines = open('D:/%s-%s.txt'%(lang1,lang2),encoding='utf-8').\read().strip().split('\n')pairs = [[normalizeString(s) for s in l.split('\t')] for l in lines]if reverse:pairs       =[list(reversed(p)) for p in pairs]input_lang  = Lang(lang2)output_lang =Lang(lang1)else:input_lang  =Lang(lang1)output_lang =Lang(lang2)return input_lang,output_lang,pairs

readLangs接受三個參數:lang1lang2reverse。函數的主要功能是從一個文本文件中讀取語言對數據,并根據需要對數據進行預處理。

MAX_LENGTH = 10      # 定義語料最長長度eng_prefixes = ("i am ", "i m ","he is", "he s ","she is", "she s ","you are", "you re ","we are", "we re ","they are", "they re "
)def filterPair(p):return len(p[0].split(' ')) < MAX_LENGTH and \len(p[1].split(' ')) < MAX_LENGTH and p[1].startswith(eng_prefixes)def filterPairs(pairs):# 選取僅僅包含 eng_prefixes 開頭的語料return [pair for pair in pairs if filterPair(pair)]

?

def prepareData(lang1,lang2,reverse=False):input_lang,output_lang,pairs = readLangs(lang1,lang2,reverse)print("Read %s sentence pairs" % len(pairs))pairs = filterPairs(pairs[:])print("Trimmed to %s sentence pairs" % len(pairs))print("Counting words...")for pair in pairs:input_lang.addSentence(pair[0])output_lang.addSentence(pair[1])print ("Counted words:")print(input_lang.name,input_lang.n_words)print(output_lang.name,output_lang.n_words)return input_lang, output_lang,pairsinput_lang,output_lang,pairs = prepareData('eng','fra',True)
print(random.choice(pairs))

二、Seq2Seq模型?

1.編碼器(Encoder)

class EncoderRNN(nn.Module):def __init__(self, input_size, hidden_size):super(EncoderRNN, self).__init__()self.hidden_size = hidden_sizeself.embedding   = nn.Embedding(input_size, hidden_size)self.gru         = nn.GRU(hidden_size, hidden_size)def forward(self, input, hidden):embedded       = self.embedding(input).view(1, 1, -1)output         = embeddedoutput, hidden = self.gru(output, hidden)return output, hiddendef initHidden(self):return torch.zeros(1, 1, self.hidden_size, device=device)

2.解碼器(Decoder)

class DecoderRNN(nn.Module):def __init__(self, hidden_size, output_size):super(DecoderRNN, self).__init__()self.hidden_size = hidden_sizeself.embedding   = nn.Embedding(output_size, hidden_size)self.gru         = nn.GRU(hidden_size, hidden_size)self.out         = nn.Linear(hidden_size, output_size)self.softmax     = nn.LogSoftmax(dim=1)def forward(self, input, hidden):output         = self.embedding(input).view(1, 1, -1)output         = F.relu(output)output, hidden = self.gru(output, hidden)output         = self.softmax(self.out(output[0]))return output, hiddendef initHidden(self):return torch.zeros(1, 1, self.hidden_size, device=device)

三、訓練

1.數據預處理

#將句子中的每個單詞轉換為對應的索引值,并將這些索引值存儲在一個列表中。
def indexesFromSentence(lang, sentence):return [lang.word2index[word] for word in sentence.split(' ')]# 將數字化的文本,轉化為tensor數據
def tensorFromSentence(lang, sentence):indexes = indexesFromSentence(lang, sentence)indexes.append(EOS_token)return torch.tensor(indexes, dtype=torch.long, device=device).view(-1, 1)# 輸入pair文本,輸出預處理好的數據
def tensorsFromPair(pair):input_tensor  = tensorFromSentence(input_lang, pair[0])target_tensor = tensorFromSentence(output_lang, pair[1])return (input_tensor, target_tensor)

2.訓練函數

teacher_forcing_ratio = 0.5def train(input_tensor, target_tensor, encoder, decoder, encoder_optimizer, decoder_optimizer, criterion, max_length=MAX_LENGTH):# 編碼器初始化encoder_hidden = encoder.initHidden()# grad屬性歸零encoder_optimizer.zero_grad()decoder_optimizer.zero_grad()input_length  = input_tensor.size(0)target_length = target_tensor.size(0)# 用于創建一個指定大小的全零張量(tensor),用作默認編碼器輸出encoder_outputs = torch.zeros(max_length, encoder.hidden_size, device=device)loss = 0# 將處理好的語料送入編碼器for ei in range(input_length):encoder_output, encoder_hidden = encoder(input_tensor[ei], encoder_hidden)encoder_outputs[ei]            = encoder_output[0, 0]# 解碼器默認輸出decoder_input  = torch.tensor([[SOS_token]], device=device)decoder_hidden = encoder_hiddenuse_teacher_forcing = True if random.random() < teacher_forcing_ratio else False# 將編碼器處理好的輸出送入解碼器if use_teacher_forcing:# Teacher forcing: Feed the target as the next inputfor di in range(target_length):decoder_output, decoder_hidden = decoder(decoder_input, decoder_hidden)loss         += criterion(decoder_output, target_tensor[di])decoder_input = target_tensor[di]  # Teacher forcingelse:# Without teacher forcing: use its own predictions as the next inputfor di in range(target_length):decoder_output, decoder_hidden = decoder(decoder_input, decoder_hidden)topv, topi    = decoder_output.topk(1)decoder_input = topi.squeeze().detach()  # detach from history as inputloss         += criterion(decoder_output, target_tensor[di])if decoder_input.item() == EOS_token:breakloss.backward()encoder_optimizer.step()decoder_optimizer.step()return loss.item() / target_length

在序列生成的任務中,如機器翻譯或文本生成,解碼器(decoder)的輸入通常是由解碼器自己生成的預測結果,即前一個時間步的輸出。然而,這種自回歸方式可能存在一個問題,即在訓練過程中,解碼器可能會產生累積誤差,并導致輸出與目標序列逐漸偏離。
為了解決這個問題,引入了一種稱為"Teacher Forcing"的技術。在訓練過程中,Teacher Forcing將目標序列的真實值作為解碼器的輸入,而不是使用解碼器自己的預測結果。這樣可以提供更準確的指導信號,幫助解碼器更快地學習到正確的輸出。
在這段代碼中,use_teacher_forcing變量用于確定解碼器在訓練階段使用何種策略作為下一個輸入。
當use_teacher_forcing為True時,采用"Teacher Forcing"的策略,即將目標序列中的真實標簽作為解碼器的下一個輸入。而當use_teacher_forcing為False時,采用"Without Teacher Forcing"的策略,即將解碼器自身的預測作為下一個輸入。

import time
import mathdef asMinutes(s):m = math.floor(s / 60)s -= m * 60return '%dm %ds' % (m, s)def timeSince(since, percent):now = time.time()s = now - sincees = s / (percent)rs = es - sreturn '%s (- %s)' % (asMinutes(s), asMinutes(rs))
def trainIters(encoder,decoder,n_iters,print_every=1000,plot_every=100,learning_rate=0.01):start = time.time()plot_losses      = []print_loss_total = 0  # Reset every print_everyplot_loss_total  = 0  # Reset every plot_everyencoder_optimizer = optim.SGD(encoder.parameters(), lr=learning_rate)decoder_optimizer = optim.SGD(decoder.parameters(), lr=learning_rate)# 在 pairs 中隨機選取 n_iters 條數據用作訓練集training_pairs    = [tensorsFromPair(random.choice(pairs)) for i in range(n_iters)]criterion         = nn.NLLLoss()for iter in range(1, n_iters + 1):training_pair = training_pairs[iter - 1]input_tensor  = training_pair[0]target_tensor = training_pair[1]loss = train(input_tensor, target_tensor, encoder,decoder, encoder_optimizer, decoder_optimizer, criterion)print_loss_total += lossplot_loss_total  += lossif iter % print_every == 0:print_loss_avg   = print_loss_total / print_everyprint_loss_total = 0print('%s (%d %d%%) %.4f' % (timeSince(start, iter / n_iters),iter, iter / n_iters * 100, print_loss_avg))if iter % plot_every == 0:plot_loss_avg = plot_loss_total / plot_everyplot_losses.append(plot_loss_avg)plot_loss_total = 0return plot_losses

四、訓練與評估

hidden_size   = 256
encoder1      = EncoderRNN(input_lang.n_words, hidden_size).to(device)
attn_decoder1 = DecoderRNN(hidden_size, output_lang.n_words).to(device)plot_losses = trainIters(encoder1, attn_decoder1, 100000, print_every=5000)

?

import matplotlib.pyplot as plt
#隱藏警告
import warnings
warnings.filterwarnings("ignore")               # 忽略警告信息
# plt.rcParams['font.sans-serif']    = ['SimHei'] # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False      # 用來正常顯示負號
plt.rcParams['figure.dpi']         = 100        # 分辨率epochs_range = range(len(plot_losses))plt.figure(figsize=(8, 3))plt.subplot(1, 1, 1)
plt.plot(epochs_range, plot_losses, label='Training Loss')
plt.legend(loc='upper right')
plt.title('Training Loss')
plt.show()

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/36011.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/36011.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/36011.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

什么是堡壘機(運維審計系統)?

一、堡壘機是什么 1.1 堡壘機的來由 堡壘機是從跳板機&#xff08;也叫前置機&#xff09;的概念演變過來的。早在2000年左右的時候&#xff0c;一些中大型企業為了能對運維人員的遠程登錄進行集中管理&#xff0c;會在機房部署一臺跳板機。 跳板機其實就是一臺lunix/windows…

50、基于NARX神經網絡的磁懸浮建模(matlab)

1、NARX神經網絡簡介 NARX&#xff08;非線性自回歸外部輸入&#xff09;神經網絡是一種用于非線性建模和預測的神經網絡結構。與傳統的自回歸模型不同&#xff0c;NARX網絡可以接收外部輸入來影響輸出結果&#xff0c;從而更好地捕捉系統的復雜性和非線性特征。 NARX神經網絡…

NodeJs之npm、yarn、pnpm設置最新的淘寶鏡像下載源

NodeJs之npm、yarn、pnpm設置最新的淘寶鏡像下載源 文章目錄 NodeJs之npm、yarn、pnpm設置最新的淘寶鏡像下載源1. 查看默認的下載源1. npm2. yarn3. pnpm 2. 設置最新的淘寶鏡像地址1. npm2. yarn3. pnpm 1. 查看默認的下載源 1. npm C:\Users\jinshengyuan>npm get regi…

STM32 SPI實戰篇:驅動W25Q64 Flash存儲器的技巧與方法

摘要 在嵌入式系統開發中&#xff0c;非易失性存儲是必不可少的一部分。W25Q64作為SPI Flash存儲器的一種&#xff0c;以其較高的存儲密度和擦寫次數受到廣泛應用。本文將深入探討STM32通過SPI驅動W25Q64的實戰技巧和方法&#xff0c;包括硬件連接、SPI配置、讀寫操作&#xf…

競賽選題 python+深度學習+opencv實現植物識別算法系統

0 前言 &#x1f525; 優質競賽項目系列&#xff0c;今天要分享的是 &#x1f6a9; 基于深度學習的植物識別算法研究與實現 &#x1f947;學長這里給一個題目綜合評分(每項滿分5分) 難度系數&#xff1a;4分工作量&#xff1a;4分創新點&#xff1a;4分 &#x1f9ff; 更多…

基于Java微信小程序自駕游拼團設計和實現(源碼+LW+調試文檔+講解等)

&#x1f497;博主介紹&#xff1a;?全網粉絲10W,CSDN作者、博客專家、全棧領域優質創作者&#xff0c;博客之星、平臺優質作者、專注于Java、小程序技術領域和畢業項目實戰?&#x1f497; &#x1f31f;文末獲取源碼數據庫&#x1f31f;感興趣的可以先收藏起來&#xff0c;還…

27. 高級特性(下)

目錄 一、為了類型安全和抽象而使用 newtype 模式二、使用類型別名創建類型同義詞2.1 使用type關鍵賦予現有類型一個別名2.2 減少重復2.3 與Result<T, E>結合使用2.4 從不返回的 never type 三、高級函數和閉包3.1 函數指針3.2 返回閉包 四、宏4.1 宏和函數的區別4.2 mac…

python基礎語法 003-3 數據類型元組

1 元組 1.1 元組含義 1.1.1 元組的表示 #元組的表示方法:() names ("xiaoyun", "xiaoming") print(names)--結果------- (xiaoyun, xiaoming) 1.1.2 空元組 #空元組 names () print(type(names)) print(len(names))----------------結果--------- &l…

安裝vue開發者工具

瀏覽器控制臺提示&#xff1a; 打開網址 GitHub - vuejs/devtools: ?? Browser devtools extension for debugging Vue.js applications. 點擊添加 上圖地址&#xff1a;Installation | Vue Devtools 安裝好了

Spring Boot中如何使用Flyway進行數據庫版本控制

Spring Boot中如何使用Flyway進行數據庫版本控制 大家好&#xff0c;我是免費搭建查券返利機器人省錢賺傭金就用微賺淘客系統3.0的小編&#xff0c;也是冬天不穿秋褲&#xff0c;天冷也要風度的程序猿&#xff01;在現代的軟件開發中&#xff0c;數據庫版本控制是保證應用程序…

群體優化算法---石墨烯優化算法介紹以及在期權定價上的應用(Black-Scholes模型來計算歐式期權的理論價格)

介紹 石墨烯算法是一種新興的優化算法&#xff0c;靈感來自于石墨烯的結構和特性。石墨烯是一種由碳原子構成的二維蜂窩狀晶格結構&#xff0c;具有優異的機械、電學和熱學性能。石墨烯算法通過模擬石墨烯原子之間的相互作用和遷移&#xff0c;來求解復雜的優化問題 基本概念…

K8S -理解StatefulSet - 部署有狀態應用

什么是 有狀態服務和 無狀態服務 有狀態服務&#xff08;Stateful Service&#xff09;&#xff1a; 有狀態服務是指在處理請求期間維護和跟蹤用戶狀態或會話信息的服務。這意味著服務在多個請求之間保持狀態&#xff0c;并且需要在請求之間共享和使用這些狀態信息。通常&…

Websocket在Java中的實踐——握手攔截器

在《Websocket在Java中的實踐——最小可行案例》一文中&#xff0c;我們看到如何用最簡單的方式實現Websocket通信。本文中&#xff0c;我們將介紹如何在握手前后進行干涉&#xff0c;以定制一些特殊需求。 在《Websocket在Java中的實踐——最小可行案例》的基礎上&#xff0c;…

PID原理及控制算法詳解

文章目錄 1. 概念 1.1 PID框圖 1.2 具體示例&#xff1a;無人機高度控制 2. PID原理 3. 常用術語 4. 計算過程 4.1 比例控制&#xff08;Proportional&#xff09; 4.2 積分控制&#xff08;Integral&#xff09; 4.3 微分控制&#xff08;Derivative&#xff09; 5.…

windows@文件高級共享設置@網絡發現功能@從資源管理器網絡中訪問遠程桌面

文章目錄 高級共享設置常用選項其他選項操作界面說明 網絡類型檢查和設置(專用網絡和公用網絡)&#x1f47a;Note 高級共享設置和防火墻&#x1f47a;命令行方式使用圖形界面方式配置 網絡發現網絡發現功能的詳細介紹網絡發現的作用&#x1f47a;網絡發現的工作原理啟用和配置網…

SOC和SOH聯合估計 | 基于集成ELM的鋰離子電池充電截止電壓下的SOC和SOH聯合估計

目錄 研究概述研究內容研究路線研究介紹研究概述 充電截止電壓是大多數電動汽車用戶充電都會經歷的電壓點。針對傳統安時積分法忽略初始容量誤差和電池老化等一系列待優化的問題,提出了雙層集成極限學習機(extreme learning machine, ELM)算法,實現鋰離子電池充電截止電壓下…

【Python實戰因果推斷】2_因果效應異質性2

目錄 CATE with Regression Evaluating CATE Predictions CATE with Regression 我想你可能已經預料到了&#xff1a;與應用因果推理中的大多數情況一樣&#xff0c;答案往往從線性回歸開始。但在走這條路之前&#xff0c;讓我們把事情變得更具體一些。假設你在一家遍布全國的…

[A133]uboot啟動流程

[A133]uboot啟動流程 hongxi.zhu 2024-6-21 1. 第一階段 lds描述 從u-boot.lds中能找到程序的匯編入口ENTRY(_start) brandy/brandy-2.0/u-boot-2018/u-boot.lds OUTPUT_FORMAT("elf32-littlearm", "elf32-littlearm", "elf32-littlearm") OUT…

Spring Boot中的異步編程技巧

Spring Boot中的異步編程技巧 大家好&#xff0c;我是免費搭建查券返利機器人省錢賺傭金就用微賺淘客系統3.0的小編&#xff0c;也是冬天不穿秋褲&#xff0c;天冷也要風度的程序猿&#xff01;今天我們將探討在Spring Boot應用程序中如何使用異步編程技巧&#xff0c;以提升性…

LeetCode題練習與總結:單詞拆分--139

一、題目描述 給你一個字符串 s 和一個字符串列表 wordDict 作為字典。如果可以利用字典中出現的一個或多個單詞拼接出 s 則返回 true。 注意&#xff1a;不要求字典中出現的單詞全部都使用&#xff0c;并且字典中的單詞可以重復使用。 示例 1&#xff1a; 輸入: s "l…