AV在线免费播放,男生和女生app轮滑鞋的区别

原文： https://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial.html

我們將構(gòu)建和訓(xùn)練基本的字符級 RNN 對單詞進(jìn)行分類。本教程與以下兩個教程一起，展示了如何“從頭開始”進(jìn)行 NLP 建模的預(yù)處理數(shù)據(jù)，特別是不使用 <cite>torchtext</cite> 的許多便利功能，因此您可以了解如何進(jìn)行 NLP 建模的預(yù)處理在低水平上工作。

字符級 RNN 將單詞作為一系列字符讀取-在每個步驟輸出預(yù)測和“隱藏狀態(tài)”，將其先前的隱藏狀態(tài)輸入到每個下一步。我們將最終的預(yù)測作為輸出，即單詞屬于哪個類別。

具體來說，我們將訓(xùn)練來自 18 種起源語言的數(shù)千種姓氏，并根據(jù)拼寫方式預(yù)測名稱的來源：

$ python predict.py Hinton
(-0.47) Scottish
(-1.52) English
(-3.57) Irish


$ python predict.py Schmidhuber
(-0.19) German
(-2.48) Czech
(-2.68) Dutch

推薦讀物：

我假設(shè)您至少已經(jīng)安裝了 PyTorch，了解 Python 和了解 Tensors：

https://pytorch.org/ 有關(guān)安裝說明
使用 PyTorch 進(jìn)行深度學(xué)習(xí)：60 分鐘的閃電戰(zhàn)通常開始使用 PyTorch
使用示例學(xué)習(xí) PyTorch 進(jìn)行廣泛而深入的概述
PyTorch(以前的 Torch 用戶）(如果您以前是 Lua Torch 用戶）

了解 RNN 及其工作方式也將很有用：

循環(huán)神經(jīng)網(wǎng)絡(luò)的不合理效果顯示了許多現(xiàn)實生活中的例子
了解 LSTM 網(wǎng)絡(luò)特別是關(guān)于 LSTM 的，但總體上也關(guān)于 RNN 的

準(zhǔn)備數(shù)據(jù)

注意：

從的下載數(shù)據(jù)，并將其提取到當(dāng)前目錄。

data/names目錄中包含 18 個文本文件，名為“ [Language] .txt”。每個文件包含一堆名稱，每行一個名稱，大多數(shù)都是羅馬化的(但我們?nèi)匀恍枰獜?Unicode 轉(zhuǎn)換為 ASCII）。

我們將得到一個字典，列出每種語言的名稱列表{language: [names ...]}。通用變量“類別”和“行”(在本例中為語言和名稱）用于以后的擴(kuò)展。

from __future__ import unicode_literals, print_function, division
from io import open
import glob
import os


def findFiles(path): return glob.glob(path)


print(findFiles('data/names/*.txt'))


import unicodedata
import string


all_letters = string.ascii_letters + " .,;'"
n_letters = len(all_letters)


## Turn a Unicode string to plain ASCII, thanks to https://stackoverflow.com/a/518232/2809427
def unicodeToAscii(s):
    return ''.join(
        c for c in unicodedata.normalize('NFD', s)
        if unicodedata.category(c) != 'Mn'
        and c in all_letters
    )


print(unicodeToAscii('?lusàrski'))


## Build the category_lines dictionary, a list of names per language
category_lines = {}
all_categories = []


## Read a file and split into lines
def readLines(filename):
    lines = open(filename, encoding='utf-8').read().strip().split('\n')
    return [unicodeToAscii(line) for line in lines]


for filename in findFiles('data/names/*.txt'):
    category = os.path.splitext(os.path.basename(filename))[0]
    all_categories.append(category)
    lines = readLines(filename)
    category_lines[category] = lines


n_categories = len(all_categories)

得出：

['data/names/French.txt', 'data/names/Czech.txt', 'data/names/Dutch.txt', 'data/names/Polish.txt', 'data/names/Scottish.txt', 'data/names/Chinese.txt', 'data/names/English.txt', 'data/names/Italian.txt', 'data/names/Portuguese.txt', 'data/names/Japanese.txt', 'data/names/German.txt', 'data/names/Russian.txt', 'data/names/Korean.txt', 'data/names/Arabic.txt', 'data/names/Greek.txt', 'data/names/Vietnamese.txt', 'data/names/Spanish.txt', 'data/names/Irish.txt']
Slusarski

現(xiàn)在我們有了category_lines，這是一個字典，將每個類別(語言）映射到行(名稱）列表。我們還跟蹤了all_categories(只是語言列表）和n_categories，以供以后參考。

print(category_lines['Italian'][:5])

得出:

['Abandonato', 'Abatangelo', 'Abatantuono', 'Abate', 'Abategiovanni']

將名稱轉(zhuǎn)換為張量

現(xiàn)在我們已經(jīng)組織了所有名稱，我們需要將它們轉(zhuǎn)換為張量以使用它們。

為了表示單個字母，我們使用大小為<1 x n_letters&gt;的“ one-hot vector”。一個熱門向量用 0 填充，但當(dāng)前字母的索引處的數(shù)字為 1，例如 "b" = <0 1 0 0 0 ...>。

為了制造一個單詞，我們將其中的一些連接成 2D 矩陣<line_length x 1 x n_letters>。

額外的 1 維是因為 PyTorch 假設(shè)所有內(nèi)容都是批量的-我們在這里只使用 1 的批量大小。

import torch


## Find letter index from all_letters, e.g. "a" = 0
def letterToIndex(letter):
    return all_letters.find(letter)


## Just for demonstration, turn a letter into a <1 x n_letters> Tensor
def letterToTensor(letter):
    tensor = torch.zeros(1, n_letters)
    tensor[0][letterToIndex(letter)] = 1
    return tensor


## Turn a line into a <line_length x 1 x n_letters>,
## or an array of one-hot letter vectors
def lineToTensor(line):
    tensor = torch.zeros(len(line), 1, n_letters)
    for li, letter in enumerate(line):
        tensor[li][0][letterToIndex(letter)] = 1
    return tensor


print(letterToTensor('J'))


print(lineToTensor('Jones').size())

得出：

tensor([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1.,
         0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.]])
torch.Size([5, 1, 57])

建立網(wǎng)絡(luò)

在進(jìn)行自動分級之前，在 Torch 中創(chuàng)建一個遞歸神經(jīng)網(wǎng)絡(luò)需要在多個時間步上克隆圖層的參數(shù)。圖層保留了隱藏狀態(tài)和漸變，這些圖層現(xiàn)在完全由圖形本身處理。這意味著您可以以非?！凹兇狻钡姆绞綄崿F(xiàn) RNN，作為常規(guī)的前饋層。

這個 RNN 模塊(主要從 PyTorch for Torch 用戶教程的復(fù)制）僅是 2 個線性層，它們在輸入和隱藏狀態(tài)下運行，輸出之后是 LogSoftmax 層。

import torch.nn as nn


class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()


        self.hidden_size = hidden_size


        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        self.i2o = nn.Linear(input_size + hidden_size, output_size)
        self.softmax = nn.LogSoftmax(dim=1)


    def forward(self, input, hidden):
        combined = torch.cat((input, hidden), 1)
        hidden = self.i2h(combined)
        output = self.i2o(combined)
        output = self.softmax(output)
        return output, hidden


    def initHidden(self):
        return torch.zeros(1, self.hidden_size)


n_hidden = 128
rnn = RNN(n_letters, n_hidden, n_categories)

要運行此網(wǎng)絡(luò)的步驟，我們需要傳遞輸入(在本例中為當(dāng)前字母的張量）和先前的隱藏狀態(tài)(首先將其初始化為零）。我們將返回輸出(每種語言的概率）和下一個隱藏狀態(tài)(我們將其保留用于下一步）。

input = letterToTensor('A')
hidden =torch.zeros(1, n_hidden)


output, next_hidden = rnn(input, hidden)

為了提高效率，我們不想為每個步驟創(chuàng)建一個新的 Tensor，因此我們將使用lineToTensor而不是letterToTensor并使用切片。這可以通過預(yù)先計算一批張量來進(jìn)一步優(yōu)化。

input = lineToTensor('Albert')
hidden = torch.zeros(1, n_hidden)


output, next_hidden = rnn(input[0], hidden)
print(output)

得出:

tensor([[-2.9504, -2.8402, -2.9195, -2.9136, -2.9799, -2.8207, -2.8258, -2.8399,
         -2.9098, -2.8815, -2.8313, -2.8628, -3.0440, -2.8689, -2.9391, -2.8381,
         -2.9202, -2.8717]], grad_fn=<LogSoftmaxBackward>)

如您所見，輸出為<1 x n_categories>張量，其中每個項目都是該類別的可能性(更高的可能性更大）。

訓(xùn)練

準(zhǔn)備訓(xùn)練

在接受訓(xùn)練之前，我們應(yīng)該做一些輔助功能。首先是解釋網(wǎng)絡(luò)的輸出，我們知道這是每個類別的可能性。我們可以使用Tensor.topk來獲得最大值的索引：

def categoryFromOutput(output):
    top_n, top_i = output.topk(1)
    category_i = top_i[0].item()
    return all_categories[category_i], category_i


print(categoryFromOutput(output))

得出:

('Chinese', 5)

我們還將需要一種快速的方法來獲取訓(xùn)練示例(名稱及其語言）：

import random


def randomChoice(l):
    return l[random.randint(0, len(l) - 1)]


def randomTrainingExample():
    category = randomChoice(all_categories)
    line = randomChoice(category_lines[category])
    category_tensor = torch.tensor([all_categories.index(category)], dtype=torch.long)
    line_tensor = lineToTensor(line)
    return category, line, category_tensor, line_tensor


for i in range(10):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    print('category =', category, '/ line =', line)

得出:

category = Italian / line = Pastore
category = Arabic / line = Toma
category = Irish / line = Tracey
category = Portuguese / line = Lobo
category = Arabic / line = Sleiman
category = Polish / line = Sokolsky
category = English / line = Farr
category = Polish / line = Winogrodzki
category = Russian / line = Adoratsky
category = Dutch / line = Robert

訓(xùn)練網(wǎng)絡(luò)

現(xiàn)在，訓(xùn)練該網(wǎng)絡(luò)所需要做的就是向它展示大量示例，進(jìn)行猜測，并告訴它是否錯誤。

對于損失函數(shù)，nn.NLLLoss是適當(dāng)?shù)?，因?RNN 的最后一層是nn.LogSoftmax。

criterion = nn.NLLLoss()

每個訓(xùn)練循環(huán)將：

創(chuàng)建輸入和目標(biāo)張量
創(chuàng)建歸零的初始隱藏狀態(tài)
閱讀和中的每個字母保持下一個字母的隱藏狀態(tài)
比較最終輸出與目標(biāo)
反向傳播
返回輸出和損失

learning_rate = 0.005 # If you set this too high, it might explode. If too low, it might not learn


def train(category_tensor, line_tensor):
    hidden = rnn.initHidden()


    rnn.zero_grad()


    for i in range(line_tensor.size()[0]):
        output, hidden = rnn(line_tensor[i], hidden)


    loss = criterion(output, category_tensor)
    loss.backward()


    # Add parameters' gradients to their values, multiplied by learning rate
    for p in rnn.parameters():
        p.data.add_(-learning_rate, p.grad.data)


    return output, loss.item()

現(xiàn)在，我們只需要運行大量示例。由于train函數(shù)同時返回輸出和損失，因此我們可以打印其猜測并跟蹤繪制損失。因為有 1000 個示例，所以我們僅打印每個print_every示例，并對損失進(jìn)行平均。

import time
import math


n_iters = 100000
print_every = 5000
plot_every = 1000


## Keep track of losses for plotting
current_loss = 0
all_losses = []


def timeSince(since):
    now = time.time()
    s = now - since
    m = math.floor(s / 60)
    s -= m * 60
    return '%dm %ds' % (m, s)


start = time.time()


for iter in range(1, n_iters + 1):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    output, loss = train(category_tensor, line_tensor)
    current_loss += loss


    # Print iter number, loss, name and guess
    if iter % print_every == 0:
        guess, guess_i = categoryFromOutput(output)
        correct = '?' if guess == category else '? (%s)' % category
        print('%d %d%% (%s) %.4f %s / %s %s' % (iter, iter / n_iters * 100, timeSince(start), loss, line, guess, correct))


    # Add current loss avg to list of losses
    if iter % plot_every == 0:
        all_losses.append(current_loss / plot_every)
        current_loss = 0

得出:

5000 5% (0m 12s) 3.1806 Olguin / Irish ? (Spanish)
10000 10% (0m 21s) 2.1254 Dubnov / Russian ?
15000 15% (0m 29s) 3.1001 Quirke / Polish ? (Irish)
20000 20% (0m 38s) 0.9191 Jiang / Chinese ?
25000 25% (0m 46s) 2.3233 Marti / Italian ? (Spanish)
30000 30% (0m 54s) nan Amari / Russian ? (Arabic)
35000 35% (1m 3s) nan Gudojnik / Russian ?
40000 40% (1m 11s) nan Finn / Russian ? (Irish)
45000 45% (1m 20s) nan Napoliello / Russian ? (Italian)
50000 50% (1m 28s) nan Clark / Russian ? (Irish)
55000 55% (1m 37s) nan Roijakker / Russian ? (Dutch)
60000 60% (1m 46s) nan Kalb / Russian ? (Arabic)
65000 65% (1m 54s) nan Hanania / Russian ? (Arabic)
70000 70% (2m 3s) nan Theofilopoulos / Russian ? (Greek)
75000 75% (2m 11s) nan Pakulski / Russian ? (Polish)
80000 80% (2m 20s) nan Thistlethwaite / Russian ? (English)
85000 85% (2m 29s) nan Shadid / Russian ? (Arabic)
90000 90% (2m 37s) nan Finnegan / Russian ? (Irish)
95000 95% (2m 46s) nan Brannon / Russian ? (Irish)
100000 100% (2m 54s) nan Gomulka / Russian ? (Polish)

繪制結(jié)果

從all_losses繪制歷史損失可顯示網(wǎng)絡(luò)學(xué)習(xí)情況：

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker


plt.figure()
plt.plot(all_losses)

../_images/sphx_glr_char_rnn_classification_tutorial_001.png

評估結(jié)果

為了查看網(wǎng)絡(luò)在不同類別上的表現(xiàn)如何，我們將創(chuàng)建一個混淆矩陣，為每種實際語言(行）指示網(wǎng)絡(luò)猜測(列）哪種語言。為了計算混淆矩陣，使用evaluate()通過網(wǎng)絡(luò)運行一堆樣本，該樣本等于train()減去反向傳播器。

# Keep track of correct guesses in a confusion matrix
confusion = torch.zeros(n_categories, n_categories)
n_confusion = 10000


## Just return an output given a line
def evaluate(line_tensor):
    hidden = rnn.initHidden()


    for i in range(line_tensor.size()[0]):
        output, hidden = rnn(line_tensor[i], hidden)


    return output


## Go through a bunch of examples and record which are correctly guessed
for i in range(n_confusion):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    output = evaluate(line_tensor)
    guess, guess_i = categoryFromOutput(output)
    category_i = all_categories.index(category)
    confusion[category_i][guess_i] += 1


## Normalize by dividing every row by its sum
for i in range(n_categories):
    confusion[i] = confusion[i] / confusion[i].sum()


## Set up plot
fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(confusion.numpy())
fig.colorbar(cax)


## Set up axes
ax.set_xticklabels([''] + all_categories, rotation=90)
ax.set_yticklabels([''] + all_categories)


## Force label at every tick
ax.xaxis.set_major_locator(ticker.MultipleLocator(1))
ax.yaxis.set_major_locator(ticker.MultipleLocator(1))


## sphinx_gallery_thumbnail_number = 2
plt.show()

../_images/sphx_glr_char_rnn_classification_tutorial_002.png

您可以從主軸上挑出一些亮點，以顯示它猜錯了哪些語言，例如中文(朝鮮語）和西班牙語(意大利語）。它似乎與希臘語搭配得很好，與英語搭配得很差(可能是因為與其他語言重疊）。

在用戶輸入上運行

def predict(input_line, n_predictions=3):
    print('\n> %s' % input_line)
    with torch.no_grad():
        output = evaluate(lineToTensor(input_line))


        # Get top N categories
        topv, topi = output.topk(n_predictions, 1, True)
        predictions = []


        for i in range(n_predictions):
            value = topv[0][i].item()
            category_index = topi[0][i].item()
            print('(%.2f) %s' % (value, all_categories[category_index]))
            predictions.append([value, all_categories[category_index]])


predict('Dovesky')
predict('Jackson')
predict('Satoshi')

得出:

> Dovesky
(nan) Russian
(nan) Arabic
(nan) Korean


> Jackson
(nan) Russian
(nan) Arabic
(nan) Korean


> Satoshi
(nan) Russian
(nan) Arabic
(nan) Korean

實際 PyTorch 存儲庫中的腳本的最終版本將上述代碼分成幾個文件：

data.py(加載文件）
model.py(定義 RNN）
train.py(進(jìn)行訓(xùn)練）
predict.py(使用命令行參數(shù)運行predict()）
server.py(通過 bottle.py 將預(yù)測用作 JSON API）

運行train.py訓(xùn)練并保存網(wǎng)絡(luò)。

使用名稱運行predict.py以查看預(yù)測：

$ python predict.py Hazaki
(-0.42) Japanese
(-1.39) Polish
(-3.51) Czech

練習(xí)題

嘗試使用其他行->類別的數(shù)據(jù)集，例如：任何字詞->語言名->性別角色名稱->作家頁面標(biāo)題->博客或 subreddit
通過更大和/或形狀更好的網(wǎng)絡(luò)獲得更好的結(jié)果添加更多線性層嘗試nn.LSTM和nn.GRU層將多個這些 RNN 合并為更高級別的網(wǎng)絡(luò)

腳本的總運行時間：(3 分 4.326 秒）

Download Python source code: char_rnn_classification_tutorial.py Download Jupyter notebook: char_rnn_classification_tutorial.ipynb

由獅身人面像畫廊生成的畫廊

PyTorch NLP From Scratch: 使用char-RNN對姓氏進(jìn)行分類