dynamic seq2seq
1.0.0
قامت Google مؤخرًا بفتح مصدر لمشروع seq2seq google seq2seq
أطلق Tensorflow Dynamic_rnn لاستبدال المجموعة الأصلية. يعتمد هذا المشروع على نموذج seq2seq لـdynamic_rnn.
لقد قمت هنا ببناء بعض توقعات المحادثة. من الناحية النظرية، كلما زاد عدد النصوص، كلما كان النموذج أفضل، لكنه سيواجه العديد من المشكلات الجديدة، لذلك لن أشرحها هنا.
مواد الحوار موجودة في Q.txt A.txt في دليل البيانات ويمكن استبدالها بمواد الحوار الخاصة بك.
# 新增小黄鸡语料
# 添加
python prepare_dialog.py 5000
seq = Seq2seq()
# 训练
seq.train()
# 预测
seq.predict("天气")
# 重新训练
seq.retrain()
me > 天气
AI > 地点： 重庆
气温： 7
注意： 天气较凉，较易发生感冒，请适当增加衣服。体质较弱的朋友尤其应该注意防护。
أضاف هذا المشروع دعمًا للعمل، ويمكنك تخصيص وظائفك الخاصة وستتم إضافة الدعم لجولات متعددة من الجلسات لاحقًا!
في ملف action.py، قم بتسجيل علامة الإجراء الخاصة بك والواجهة المقابلة، مثل:
# 注意：参数为固定参数
def act_weather(model, output_str, raw_input):
#TODO: Get weather by api
page = requests.get("http://wthrcdn.etouch.cn/weather_mini?city=重庆")
data = page.json()
temperature = data['data']['wendu']
notice = data['data']['ganmao']
outstrs = "地点： %sn气温： %sn注意： %s" % ("重庆", temperature.encode("utf-8"), notice.encode("utf-8"))
return outstrs
actions = {
"__Weather__":act_weather
}
نصائح: تم إصلاح معلمات الواجهة مؤقتًا وسيتم تحديثها لاحقًا.
وفي الوقت نفسه، تم تصميم الجسم التدريبي على النحو التالي:
# Q.txt
天气
# A.txt
__Weather__
