dynamic seq2seq
1.0.0
Google เพิ่งเปิดแหล่งที่มาโครงการ seq2seq google seq2seq
tensorflow เปิดตัว dynamic_rnn เพื่อแทนที่ที่เก็บข้อมูลดั้งเดิม โปรเจ็กต์นี้อิงตามโมเดล seq2seq ของ dynamic_rnn
ที่นี่ฉันได้สร้างการทำนายการสนทนาบางอย่าง คลังข้อมูลของจีนนั้นค่อนข้างหายาก ตามทฤษฎี ยิ่งคลังข้อมูลมากเท่าไร โมเดลก็จะยิ่งดีขึ้นเท่านั้น อย่างไรก็ตาม จะต้องพบกับปัญหาใหม่มากมาย ดังนั้น ฉันจะไม่อธิบายสิ่งเหล่านี้ที่นี่
เนื้อหาบทสนทนาอยู่ใน Q.txt A.txt ในไดเร็กทอรี ข้อมูล และสามารถแทนที่ด้วยเนื้อหาบทสนทนาของคุณเองได้
# 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。
โปรเจ็กต์นี้ได้เพิ่มการรองรับ Action และคุณสามารถปรับแต่งฟังก์ชั่นของคุณเองได้ โดยจะเพิ่มการรองรับเซสชันหลายรอบในภายหลัง!
ในไฟล์ action.py ให้ลงทะเบียนแท็กการกระทำของคุณเองและอินเทอร์เฟซที่เกี่ยวข้อง เช่น:
# 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
}
เคล็ดลับ: พารามิเตอร์ของอินเทอร์เฟซได้รับการแก้ไขชั่วคราวและจะได้รับการอัปเดตในภายหลัง
ในเวลาเดียวกัน คลังข้อมูลการฝึกอบรมได้รับการออกแบบดังนี้:
# Q.txt
天气
# A.txt
__Weather__
