已淘汰 该项目建于2016年(旧的张量流时代),在新的张量流下,一些设计选择不再有意义。 您可能会在其他地方找到更好的seq2seq教程/实现。 seq2seq_chatbot 张量流中Seq2seq聊天机器人的实现。 特征 带智能加载程序的动态rnn (无填充) 预测中的波束搜索(全局最优快速近似) 解码器的信号指示器(解码器上的部分控制) 技术报告: : : Python 2.7依赖项 张量流1.8 麻木 json 操作说明 运行“ python train.py”,然后等待(在具有cuda 9.0和cudnn 7.0的GTX 1080 Ti上运行5分钟),直到训练完成 运行“ python test.py”以进入与聊天机器人的交互式会话 尝试自己的数据 可以对自己的数据运行它,但是您需要至少生成2个文件,其格式与bbt_data中的文件相同。 text.txt,这是
1
tensorflow-chatbot-中文 :person_running: [中文聊天机器人]具有bahdanau注意和Word2Vec预训练嵌入的seq2seq模型的Tensorflow实现 此基于撰写的。 如何 [选项1]重新训练模型 $ git clone https://github.com/AdrianHsu/tensorflow-chatbot-chinese.git # put your own training/eval data in the correct path, as shown above $ ./run.sh [选项2]使用预先训练的保护程序文件测试模型 您应该在下载经过预训练的模型,然后将其放入save/目录。 确保您的输入已经放置在正确的路径中,并且已通过文本分段API(例如jieba)进行了预处理。 $ ./hw2_seq2seq.sh 操作方法(网络) 您必须先下载冻结
2022-05-13 18:27:54 13.64MB nlp deep-learning tensorflow chatbot
1
聊天学习者 在TensorFlow中基于新的序列到序列(NMT)模型实现的聊天机器人,具有无缝集成的某些规则。 对于那些对中文聊天机器人感兴趣的人,请。 ChatLearner(Papaya)的核心是基于NMT模型( )构建的,此处已对其进行了调整以适应聊天机器人的需求。 由于TensorFlow 1.4中tf.data API的更改以及自TensorFlow 1.12以来的许多其他更改,此ChatLearner版本仅支持TF版本1.4至1.11。 如果您需要支持TensorFlow 1.12,可以在tokenizeddata.py文件中进行轻松更新。 在开始其他一切之前,您可能需要
2022-05-08 18:05:57 23.08MB python deep-learning tensorflow chatbot
1
chatbot • • • • • Made by ximing Xing • :milky_way: 智能聊天机器人作为自然语言处理的一个重要分支,是目前最火热也最具挑战的研究方向,它对于促进人机交互方式的发展有着重要的意义。 本项目基于Encoder-decoder模型,以及在此基础上完成的聊天机器人系统。 最后,给出了参考的开源代码以及可使用的数据以供读者使用 本项目可用作学习使用或毕业设计,相关问题可与我联系。 Open Source runs on love, laughter and a whole lot of coffee. Consider buying me one if you find this content useful :hot_beverage::winking_face:. :clipboard: 快速开始 - Getting Started 执行cd chatbot -- cd to the
2021-09-19 09:07:43 75.48MB tensorflow chatbot python3 seq2seq
1