Github 项目推荐 | 用 Keras 实现的神经网络机器翻译

朱晓霞

发布于 2018-04-18 11:50:07

8390

发布于 2018-04-18 11:50:07

文章被收录于专栏：目标检测和深度学习

本库是用 Keras 实现的神经网络机器翻译，查阅库文件请访问：

https://nmt-keras.readthedocs.io/

Github 页面：

https://github.com/lvapeab/nmt-keras

如过你需要在研究中使用本工具库，请引用以下论文：

@misc{nmt-keras2017,
  author = {Peris, {\'A}lvaro},
  title = {{NMT}-{K}eras},
  year = {2017},
  publisher = {GitHub},
  note = {GitHub repository},
  howpublished = {\url{https://github.com/lvapeab/nmt-keras}},
}

安装

假设已经安装 pip，请运行：

git clone https://github.com/lvapeab/nmt-keras
cd nmt-keras
pip install -r requirements.txt

获取运行该库所需要的软件包。

需求

安装 NMT-Keras 需要以下的库

我们的 Keras 版本（推荐版本 2.0.7 或更新版本） https://github.com/MarcBS/keras
Multimodal Keras Wrapper（2.0 版或更新版本，文档和教程） https://github.com/lvapeab/multimodal_keras_wrapper
Coco-caption 评估套件（只需执行评估） https://github.com/lvapeab/coco-caption/tree/master/pycocoevalcap/

用法：

在 config.py 脚本中设置一个训练配置。请查阅文档（https://github.com/lvapeab/nmt-keras/blob/master/examples/documentation/config.md）获取有关每个特定超参数的详细信息。您也可以在按照语法 Key = Value 调用 main.py 脚本时指定参数。
开始训练！：

python main.py

解码

一旦我们的模型开始训练，我们就可以使用 sample_ensemble.py 脚本翻译新文本。有关此脚本的更多详细信息，请参阅 ensembling_tutorial：

https://github.com/lvapeab/nmt-keras/blob/master/examples/documentation/ensembling_tutorial.md

总之，如果我们想使用前三个 epoch 的模型来翻译 examples / EuTrans / test.en 文件，只需运行：

python sample_ensemble.py 
             --models trained_models/tutorial_model/epoch_1 \ 
                      trained_models/tutorial_model/epoch_2 \
             --dataset datasets/Dataset_tutorial_dataset.pkl \
             --text examples/EuTrans/test.en

评分

score.py（https://github.com/lvapeab/nmt-keras/blob/master/score.py）脚本可用于获取平行语料库的概率（-log）。其语法如下：

python score.py --help
usage: Use several translation models for scoring source--target pairs
       [-h] -ds DATASET [-src SOURCE] [-trg TARGET] [-s SPLITS [SPLITS ...]]
       [-d DEST] [-v] [-c CONFIG] --models MODELS [MODELS ...]
optional arguments:
    -h, --help            show this help message and exit
    -ds DATASET, --dataset DATASET
                            Dataset instance with data
    -src SOURCE, --source SOURCE
                            Text file with source sentences
    -trg TARGET, --target TARGET
                            Text file with target sentences
    -s SPLITS [SPLITS ...], --splits SPLITS [SPLITS ...]
                            Splits to sample. Should be already includedinto the
                            dataset object.
    -d DEST, --dest DEST  File to save scores in
    -v, --verbose         Be verbose
    -c CONFIG, --config CONFIG
                            Config pkl for loading the model configuration. If not
                            specified, hyperparameters are read from config.py
    --models MODELS [MODELS ...]
                            path to the models

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2018-03-13，如有侵权请联系 cloudcommunity@tencent.com 删除

github