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

AI研习社

发布于 2018-09-25 16:20:06

9670

发布于 2018-09-25 16:20:06

文章被收录于专栏：AI研习社

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 | 老赵整理 | 凡江

我总是发现生成和序列模型令人着迷：他们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，它允许通过子类化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（http://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。

以下每个示例都是端到端的，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。
演示如何使用训练模型。

示例 1：文本生成

我们的第一个例子（https://colab.research.google.com/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（或者您也可以从GitHub下载它作为Jupyter笔记本）。代码在笔记本中详细解释。

基于莎士比亚的大量作品，这个例子学会了生成听起来和风格相似的文字：

在训练莎士比亚写作集合的30个时期的后，笔记本生成了示例文本。虽然大多数句子没有意义（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提供的笔记。

示例 2：DCGAN

在这个例子（https://colab.research.google.com/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）由生成器和鉴别器组成。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。

这篇文章所述的体系结构和超参数训练150个历元的生成器和鉴别器之后生成的。

示例 3：注意力的神经机器翻译

这个例子（https://colab.sandbox.google.com/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？”

您在下面看到的图像是注意力图。它显示了输入句子的哪些部分在翻译时具有模型的注意力。例如，当模型翻译“cold”这个词时，它看着“mucho”，“frio”，“aqui”。我们使用tf.keras和eager function从头开始实现Neural Machine Translation by Jointly Learning to Align and Translate这篇文章中的例子，详细解释在笔记中。您还可以将此实现用作完成自己的自定义模型的基础。

示例 4：注意图像标题

在此示例（https://colab.sandbox.google.com/github/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/generative_examples/image_captioning_with_attention.ipynb）中，我们训练模型以预测图像的注释。我们还生成了一个注意力图，它显示了模型在生成标题时所关注的图像部分。例如，当模型预测单词“surfboard”时，模型会聚焦在图像中的冲浪板附近。使用MS-COCO数据集的子集训练该模型，该数据集可自动下载。