tf_seq2seq_chatbot

張量流 seq2seq 聊天機器人

注意：儲存庫不被維護。如果您想承擔維護工作，請隨時私訊我。

基於在張量流中實現的熱門 seq2seq 方法建立通用會話聊天機器人。由於到目前為止它沒有產生好的結果，所以也要考慮 seq2seq 的其他實作。

目前的結果非常糟糕：

 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 .

免責聲明：

• 答案是精心挑選的（這樣看起來比較酷）
• 到目前為止，聊天機器人還沒有能力跟隨對話路線；在上面的例子中，這只是一個巧合（精心挑選的）

歡迎大家研究程式碼並提出改進建議。

實際行動

• 實現如何使聊天機器人的答案多樣化（目前選擇了最有可能的答案，但它很乏味）

文件

• 使用神經網路進行序列到序列學習
• 神經對話模型

漂亮的圖片

感謝本文。

設定

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

跑步

在小型 (17 MB) 電影字幕語料庫上訓練 seq2seq 模型：

 python train.py

（此命令將在 CPU 上運行訓練...GPU 指令即將推出）

針對一組常見問題測試訓練有素的模型：

 python test.py

在控制台中與經過訓練的模型聊天：

 python chat.py

所有設定參數都儲存在tf_seq2seq_chatbot/configs/config.py

GPU使用率

如果你很幸運已經為張量流擁有了正確的 GPU 配置，那麼這應該可以完成這項工作：

 python train.py

否則，您可能需要從原始程式碼建立張量流並運行程式碼，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

• 張量流