tf_seq2seq_chatbot

张量流 seq2seq 聊天机器人

注意：存储库不被维护。如果您想承担维护工作，请随时私信我。

基于在张量流中实现的热门 seq2seq 方法构建通用会话聊天机器人。由于到目前为止它没有产生好的结果，所以还要考虑 seq2seq 的其他实现。

目前的结果非常糟糕：

 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 .

免责声明：

• 答案是精心挑选的（这样看起来更酷）
• 到目前为止，聊天机器人还没有能力跟随对话路线；在上面的例子中，这只是一个巧合（精心挑选的）

欢迎大家研究代码并提出改进建议。

实际行动

• 实现如何使聊天机器人的答案多样化（目前选择了最有可能的答案，但它很乏味）

文件

• 使用神经网络进行序列到序列学习
• 神经对话模型

漂亮的图片

感谢本文。

设置

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

跑步

在小型 (17 MB) 电影字幕语料库上训练 seq2seq 模型：

 python train.py

（此命令将在 CPU 上运行训练...GPU 指令即将推出）

针对一组常见问题测试训练有素的模型：

 python test.py

在控制台中与经过训练的模型聊天：

 python chat.py

所有配置参数都存储在tf_seq2seq_chatbot/configs/config.py

GPU使用率

如果你很幸运已经为张量流拥有了正确的 GPU 配置，那么这应该可以完成这项工作：

 python train.py

否则，您可能需要从源代码构建张量流并运行代码，如下所示：

 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

要求

• 张量流