tf_seq2seq_chatbot

텐서플로우 seq2seq 챗봇

참고: 저장소는 유지 관리되지 않습니다. 유지 관리를 원하시면 저에게 메시지를 보내주세요.

텐서플로우에 구현된 핫 seq2seq 접근 방식을 기반으로 범용 대화형 챗봇을 구축하세요. 지금까지는 좋은 결과를 얻지 못했기 때문에 seq2seq의 다른 구현도 고려해 보세요.

현재 결과는 매우 형편없습니다:

 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 .

부인 성명:

• 답은 직접 고른 것입니다(그렇게 하면 더 멋져 보입니다).
• 챗봇은 지금까지 대화 라인을 따라갈 수 있는 힘이 없습니다. 위의 예에서는 단지 우연의 일치입니다(손으로 선택한 것).

누구나 코드를 조사하고 개선 사항을 제안할 수 있습니다.

실제 행위

• 챗봇 답변을 다양화하는 방법을 깨닫습니다. (현재 가장 가능성이 높은 답변을 선택했는데 지루합니다.)

서류

• 신경망을 사용한 시퀀스 학습
• 신경 대화 모델

좋은 사진

이 기사의 출처입니다.

설정

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

달리다

작은(17MB) 영화 자막 모음에서 seq2seq 모델을 훈련합니다.

 python train.py

(이 명령은 CPU에서 훈련을 실행합니다... GPU 지침이 제공됩니다)

일련의 일반적인 질문에 대해 학습된 모델을 테스트합니다.

 python test.py

콘솔에서 훈련된 모델과 채팅:

 python chat.py

모든 구성 매개변수는 tf_seq2seq_chatbot/configs/config.py 에 저장됩니다.

GPU 사용량

운이 좋게도 tensorflow에 대한 적절한 GPU 구성이 이미 있다면 다음과 같이 하면 됩니다.

 python train.py

그렇지 않으면 소스에서 텐서플로우를 빌드하고 다음과 같이 코드를 실행해야 할 수도 있습니다.

 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

요구사항

• 텐서플로우