tf_seq2seq_chatbot

Tensorflow seq2seq Chatbot

Hinweis: Das Repository wird nicht gepflegt. Wenn Sie die Wartung übernehmen möchten, schreiben Sie mir gerne eine PN.

Erstellen Sie einen universellen Konversations-Chatbot basierend auf einem in Tensorflow implementierten Hot-Seq2seq-Ansatz. Da es bisher keine guten Ergebnisse liefert, sollten Sie auch andere Implementierungen von seq2seq in Betracht ziehen.

Die aktuellen Ergebnisse sind ziemlich mies:

 hello baby	        - hello
how old are you ?   - twenty .
i am lonely	        - i am not
nice                - you ' re not going to be okay .
so rude	            - i ' m sorry .

Haftungsausschluss:

• Die Antworten sind handverlesen (so sieht es cooler aus)
• Chatbot hat bisher keine Macht, der Konversationslinie zu folgen; im obigen Beispiel ist es nur ein Zufall (handverlesen)

Jeder ist herzlich eingeladen, den Code zu untersuchen und Verbesserungen vorzuschlagen.

Tatsächliche Taten

• Erkennen Sie, wie Sie Chatbot-Antworten diversifizieren können (derzeit wird die wahrscheinlichste ausgewählt und ist langweilig)

Papiere

• Sequenz-zu-Sequenz-Lernen mit neuronalen Netzen
• Ein neuronales Konversationsmodell

Ein tolles Bild

Mit freundlicher Genehmigung dieses Artikels.

Aufstellen

 git clone [email protected]:nicolas-ivanov/tf_seq2seq_chatbot.git
cd tf_seq2seq_chatbot
bash setup.sh

Laufen

Trainieren Sie ein seq2seq-Modell auf einem kleinen (17 MB) Korpus von Filmuntertiteln:

 python train.py

(Mit diesem Befehl wird das Training auf einer CPU ausgeführt ... GPU-Anweisungen folgen)

Testen Sie das trainierte trainierte Modell anhand einer Reihe häufiger Fragen:

 python test.py

Chat mit trainiertem Modell in der Konsole:

 python chat.py

Alle Konfigurationsparameter werden unter tf_seq2seq_chatbot/configs/config.py gespeichert

GPU-Nutzung

Wenn Sie das Glück haben, bereits über eine ordnungsgemäße GPU-Konfiguration für Tensorflow zu verfügen, sollte dies die Aufgabe erfüllen:

 python train.py

Andernfalls müssen Sie möglicherweise Tensorflow aus der Quelle erstellen und den Code wie folgt ausführen:

 cd tensorflow  # cd to the tensorflow source folder
cp -r ~/tf_seq2seq_chatbot ./  # copy project's code to tensorflow root
bazel build -c opt --config=cuda tf_seq2seq_chatbot:train  # build with gpu-enable option
./bazel-bin/tf_seq2seq_chatbot/train  # run the built code

Anforderungen

• Tensorfluss