adversarial_text:半监督文本分类的对抗训练方法代码-源码

上传者: 42105816 | 上传时间: 2021-05-31 15:45:09 | 文件大小: 25KB | 文件类型: ZIP
半监督文本分类的对抗训练方法 规范 此代码重现用 。 设置环境 请安装和 。 您可以使用此轻松设置环境。 下载预训练模型 请下载预先训练的模型。 $ wget http://sato-motoki.com/research/vat/imdb_pretrained_lm.model 结果 模型 错误率 基线 7.39 基准(我们的代码) 6.62 对抗性 6.21 对抗训练(我们的代码) 6.35 虚拟对抗训练 6.40 虚拟对抗训练 5.91 虚拟对抗训练(我们的代码) 5.82 跑 预训练 $ python -u pretrain.py -g 0 --layer

文件下载

资源详情

[{"title":"( 14 个子文件 25KB ) adversarial_text:半监督文本分类的对抗训练方法代码-源码","children":[{"title":"adversarial_text-master","children":[{"title":"train.py <span style='color:#111;'> 14.01KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 5.67KB </span>","children":null,"spread":false},{"title":"pretrain.py <span style='color:#111;'> 11.14KB </span>","children":null,"spread":false},{"title":"lm_nets.py <span style='color:#111;'> 7.52KB </span>","children":null,"spread":false},{"title":"net.py <span style='color:#111;'> 7.29KB </span>","children":null,"spread":false},{"title":"utils_pretrain.py <span style='color:#111;'> 6.40KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.10KB </span>","children":null,"spread":false},{"title":"Setup.md <span style='color:#111;'> 1.61KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"imdb","children":[{"title":"download.sh <span style='color:#111;'> 669B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 267B </span>","children":null,"spread":false},{"title":"preprocess.py <span style='color:#111;'> 2.41KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 221B </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false},{"title":"adaptive_softmax.py <span style='color:#111;'> 19.20KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明