seq2seq 设计目标/特性 介绍
seq2seq 是 Google 开源的一款用于 TensorFlow
的通用编码器&解码器框架(encoder-decoder framework),可用于机器翻译、文本摘要、会话建模、图像描述等。
设计目标/特性
-
通用性 :Google 最初为机器翻译开发了这个框架,但是后来用于各种其他任务,包括摘要、会话建模和图像描述。只要你的问题可以以一种格式编码输入数据,并解码为另一种格式,你应该能够使用或扩展这个框架。
-
可用性 :你可以使用单行命令训练模型。支持多种类型的输入数据,包括标准的原始文本。
-
再现性 :使用 YAML 文件配置训练流程和模型。这也允许其他人运行和你完全相同的模型配置。
-
可扩展性 :代码以模块化的方式构建,并且易于拓展。例如,添加新类型的注意机制或编码器架构仅需要最少量的代码即可修改。
-
文档 :所有代码都使用标准的 Python docstrings 记录,有书面指南帮助开始执行常见任务。
-
良好的性能 :为了使代码足够简洁,没有试图榨干所有性能,但是实现速度已足以涵盖几乎所有的生产和研究用例。tf-seq2seq 还支持分布式训练,从而折中计算能力和训练时间。
seq2seq 设计目标/特性 官网
https://google.github.io/seq2seq/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。