• <dl id="uzi0s"><menu id="uzi0s"><small id="uzi0s"></small></menu></dl>
    <div id="uzi0s"><tr id="uzi0s"></tr></div>
    <li id="uzi0s"><s id="uzi0s"></s></li>
    <div id="uzi0s"></div>
  • <dl id="uzi0s"></dl>
  • <li id="uzi0s"></li>
  • 基于 Tensorflow eager 的文本生成,注意力,图像注

    来源:网络整理 作者:地方新闻网 人气: 发布时间:2019-03-10
    摘要:雷锋网按:本文为 AI 研习社编译的技术博客,原标题 Complete code examples for Machine Translation with Attention, Image Captioning

    广告位API接口通信错误,查看德得广告获取帮助

    雷锋网按:本文为 AI 研习社编译的技术博客,原标题 Complete code examples for Machine Translation with Attention, Image Captioning, Text Generation, and DCGAN implemented with tf.keras and eager execution,作者为 Yash Katariyae(开发者项目工程师实习生)。

    翻译 | 老赵   审核 |  凡江

    我总是发现生成和序列模型令人着迷?#26680;?#20204;提出的问题与我们刚开始学习机器学习时常遇到的问题不同。当我第一次开始学习ML时,我学了分类和回归(和大多数人一样)。这些帮助我们提出并回答以下问题:

    这是猫还是狗的照片? (分类)

    明天会下雨的几率是多少? (回归)

    掌握分类和回归是非常有用的技能,并且这些领域的应用对现实问题几乎没有限制。但是,我们可能会问其他不同类型的问题。

    我们能生成一首诗吗? (文字生成)

    我们可以生成一张猫的照片吗? (GANs)

    我们可以将句子从一种语言翻译成另一种语言吗? (NMT)

    我们可以描述图像内容吗? (图像注释)

    在暑期实习期间,我使用TensorFlow的两个最新API开发了这些示例:tf.keras,以及eager function,我在下面分享了它们。我希望你发现它们有用,有趣。

    eager function是一个逐步运行的界面,其中操作在从Python调用时即刻执行。这使得TensorFlow上手容易,并且可以是研究和开发更加直观。

    tf.keras是一个定义模型的高级API,就像积木建造的乐高一样。我使用模型子类化实现了这些示例,它?#24066;?#36890;过子类化tf.keras.Model并定义自己的前向传递来制作完全可自定义的模型。 当启用eager function时,模型子类化特别有用,因为可以强制写入前向传递。

    如果你对这些APIs不了解,你可以通过探索tensorflow.org/tutorials()上的序列来了解更多信息,其中包含最近更新的示例。

    以下每个示例?#38469;?#31471;到端的,并遵循类似的模式:

    自动下载训练数据集。

    预处理训练数据,并创建tf.data数据集以在输入管道中使用。

    使用tf.keras模型子类API定义模型。

    使用eager function训练模型。

    演示如?#38382;?#29992;训练模型。

    示例 1:文本生成

    我们的第一个例子(https://colab.research.google/github/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/generative_examples/text_generation.ipynb)是文本生成,我们使用RNN生成与莎士比亚类似的文本。您可以使用上面的链接在Colaboratory上运行它(或者您也可?#28304;覩itHub下载它作为Jupyter?#22987;?#26412;)。代码在?#22987;?#26412;中详细解释。

    基于莎士比亚的大量作品,这个例子学会了生成听起来?#22836;?#26684;相似的文字:

    基于 Tensorflow eager 的文本生成,注意力,图像注释的完整代码

    在训练莎士比亚写作集合的30个时期的后,?#22987;?#26412;生成了示例文本。 虽然大多数句?#29992;?#26377;意义(当然,这个简单的模型还没有学会语言的意义),令人印象深刻的是大多数单词是有效的,并且它生成出的戏剧的结构看起来类似于来自原文的那些。 (这是一个基于角色的模型,在训练的短时间内 - 它已经成功地从头开始学习这两件事)。如果您愿意,可以通过更改单行代码来更改数据集。 了解更多关于RNN的最好方法是Andrej Karpathy的文章,即The Unreasonable Effectiveness of Recurrent Neural Networks。如果您想了解更多关于使用Keras或tf.keras实现RNN的信息,我们推荐由Francois Chollet提供的?#22987;恰?/p>

    示例 2:DCGAN

    在这个例子(https://colab.research.google/github/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/generative_examples/dcgan.ipynb)中,我们使用DCGAN生成手写数字。生成式对抗网络(GAN)由生成器?#22270;?#21035;器组成。生成器的工作是创建令人信服的图像以欺骗鉴别器。鉴别器的工作是在真实图像和伪图像(由生成器创建)之间进行分类。下面看到的输出是在使用 Unsupervised Representing Learning with Deep Convolutional Generative Adversarial Networks。

    这篇文章所述的体?#21040;?#26500;和超?#38382;?#35757;练150个历元的生成器?#22270;?#21035;器之后生成的。

    基于 Tensorflow eager 的文本生成,注意力,图像注释的完整代码

    示例 3:注意力的神经机器翻译

    这个例子(https://colab.sandbox.google/github/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/nmt_with_attention/nmt_with_attention.ipynb)训练模型将西班牙语句子翻译成英语句子。训练模型后,您将能够输入西班牙语句子,例如“¿todavia estan en casa?”,并返回英文翻译:“你还在家吗?”

    责任编辑:地方新闻网
    首页 | 资讯 | 关注 | 科技 | 财经 | 汽车 | 房产 | 时尚 | 生活 | 图片

    Copyright © 2015-2017 包头市每每网络有限公司 版权所有 文章如有侵权请联系管理员删除。本站邮箱:[email protected]  

    电脑版 | 移动版

    淘金赢娱乐公司
  • <dl id="uzi0s"><menu id="uzi0s"><small id="uzi0s"></small></menu></dl>
    <div id="uzi0s"><tr id="uzi0s"></tr></div>
    <li id="uzi0s"><s id="uzi0s"></s></li>
    <div id="uzi0s"></div>
  • <dl id="uzi0s"></dl>
  • <li id="uzi0s"></li>
  • <dl id="uzi0s"><menu id="uzi0s"><small id="uzi0s"></small></menu></dl>
    <div id="uzi0s"><tr id="uzi0s"></tr></div>
    <li id="uzi0s"><s id="uzi0s"></s></li>
    <div id="uzi0s"></div>
  • <dl id="uzi0s"></dl>
  • <li id="uzi0s"></li>
  • 北京单场bifen 彩票开奖结果 河南481走势图今天 江苏11选五开奖结果图 彩票开奖黑龙江6十1体彩 排三今天现场视频开奖直播 大乐透开奖结果查询 捕鱼达人游戏机 北京赛车pk拾交流qq群 内蒙古11选5冷热号 平特肖开奖记录 安徽时时彩快3开奖号码 足球混合过关开户 香港赛马会官方网络 南粤36选7开奖号码36选7号