哪些网站做品牌折扣的,登录浙江省建设信息港,aws wordpress cdn,开发商是干什么的官网链接
NLP From Scratch: Classifying Names with a Character-Level RNN — PyTorch Tutorials 2.0.1cu117 documentation 使用CHARACTER-LEVEL RNN 对名字分类
我们将建立和训练一个基本的字符级递归神经网络(RNN)来分类单词。本教程以及另外两个“from scratch”的自然…官网链接
NLP From Scratch: Classifying Names with a Character-Level RNN — PyTorch Tutorials 2.0.1cu117 documentation 使用CHARACTER-LEVEL RNN 对名字分类
我们将建立和训练一个基本的字符级递归神经网络(RNN)来分类单词。本教程以及另外两个“from scratch”的自然语言处理(NLP)教程 NLP From Scratch: Generating Names with a Character-Level RNN 和 NLP From Scratch: Translation with a Sequence to Sequence Network and Attention,演示如何预处理数据以建立NLP模型。特别是这些教程没有使用torchtext的许多便利功能因此您可以看到如何简单使用预处理模型NLP。 字符级RNN将单词作为一系列字符来读取 每一步输出一个预测和“隐藏状态”将之前的隐藏状态输入到下一步。我们把最后的预测作为输出即这个词属于哪个类。 具体来说我们将训练来自18种语言的几千个姓氏并根据拼写来预测一个名字来自哪种语言:
$ 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 建议准备
在开始本教程之前建议您安装PyTorch并对Python编程语言和张量有基本的了解:
PyTorch 有关安装说明Deep Learning with PyTorch: A 60 Minute Blitz 开始使用PyTorch并学习张量的基础知识Learning PyTorch with Examples 使用概述PyTorch for Former Torch Users 如果您是前Lua Torch用户
了解rnn及其工作原理也很有用:
The Unreasonable Effectiveness of Recurrent Neural Networks 展示了一些现实生活中的例子Understanding LSTM Networks 是专门关于LSTMs的但也有关于RNNs的信息 准备数据
从这里下载数据并将其解压缩到当前目录。here
“data/names”目录下包含18个文本文件文件名为“[Language].txt”。每个文件包含一堆名称每行一个名称大多数是罗马化的(但我们仍然需要从Unicode转换为ASCII)。
我们最终会得到一个包含每种语言名称列表的字典{language: [names ...]}。通用变量“category”和“line”(在本例中表示语言和名称)用于以后的可扩展性。
from io import open
import glob
import osdef findFiles(path): return glob.glob(path)print(findFiles(data/names/*.txt))import unicodedata
import stringall_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) ! Mnand c in all_letters)print(unicodeToAscii(Ślusàrski))# 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, encodingutf-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] linesn_categories len(all_categories)
输出
[data/names/Arabic.txt, data/names/Chinese.txt, data/names/Czech.txt, data/names/Dutch.txt, data/names/English.txt, data/names/French.txt, data/names/German.txt, data/names/Greek.txt, data/names/Irish.txt, data/names/Italian.txt, data/names/Japanese.txt, data/names/Korean.txt, data/names/Polish.txt, data/names/Portuguese.txt, data/names/Russian.txt, data/names/Scottish.txt, data/names/Spanish.txt, data/names/Vietnamese.txt]
Slusarski 现在我们有了category_lines这是一个将每个类别(语言)映射到行(名称)列表的字典。我们还记录了all_categories(只是一个语言列表)和n_categories以供以后参考。 print(category_lines[Italian][:5])
输出
[Abandonato, Abatangelo, Abatantuono, Abate, Abategiovanni]把名字变成张量
现在我们已经组织好了所有的名字我们需要把它们变成张量来使用它们。 为了表示单个字母我们使用大小为1 x n_letters 的 “one-hot vector”。一个独热向量被0填充除了当前字母所以处是1。例如b 0 1 0 0 0 .... 为了组成一个单词我们将一堆这样的单词连接到一个二维矩阵中line_length x 1 x n_letters. 额外的1维度是因为PyTorch假设所有的东西都是分批的——我们在这里只是使用1的批大小。
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)] 1return 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)] 1return tensorprint(letterToTensor(J))print(lineToTensor(Jones).size())
输出
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])
创建网络
在autograd之前在Torch中创建循环神经网络涉及到在几个时间步上克隆一层的参数。图层包含隐藏状态和梯度现在完全由图形本身处理。这意味着你可以以一种非常“纯粹”的方式实现RNN作为常规的前馈层。 这个RNN模块(主要是从the PyTorch for Torch users tutorial复制的)只有2个线性层在输入和隐藏状态上操作在输出之后有一个LogSoftmax层。 import torch.nn as nnclass RNN(nn.Module):def __init__(self, input_size, hidden_size, output_size):super(RNN, self).__init__()self.hidden_size hidden_sizeself.i2h nn.Linear(input_size hidden_size, hidden_size)self.h2o nn.Linear(hidden_size, output_size)self.softmax nn.LogSoftmax(dim1)def forward(self, input, hidden):combined torch.cat((input, hidden), 1)hidden self.i2h(combined)output self.h2o(hidden)output self.softmax(output)return output, hiddendef initHidden(self):return torch.zeros(1, self.hidden_size)n_hidden 128
rnn RNN(n_letters, n_hidden, n_categories) 为了运行这个网络的一个步骤我们需要传递一个输入(在我们的例子中是当前字母的张量)和一个先前的隐藏状态(我们一开始将其初始化为零)。我们将返回输出(每种语言的概率)和下一个隐藏状态(我们将其保留到下一步)。
input letterToTensor(A)
hidden torch.zeros(1, n_hidden)output, next_hidden rnn(input, hidden)
为了提高效率我们不想为每一步都创建一个新的张量所以我们将使用lineToTensor而不是letterToTensor并使用切片。这可以通过预计算张量批次来进一步优化。
input lineToTensor(Albert)
hidden torch.zeros(1, n_hidden)output, next_hidden rnn(input[0], hidden)
print(output)
输出
tensor([[-2.9083, -2.9270, -2.9167, -2.9590, -2.9108, -2.8332, -2.8906, -2.8325,-2.8521, -2.9279, -2.8452, -2.8754, -2.8565, -2.9733, -2.9201, -2.8233,-2.9298, -2.8624]], grad_fnLogSoftmaxBackward0)
正如您所看到的输出是一个1 x n_categories 张量其中每个项目是该类别的可能性(越高越有可能)。 训练
训练准备
在开始训练之前我们应该编写一些辅助函数。首先是解释网络的输出我们知道这是每个类别的可能性。我们可以用Tensor.topk得到最大值的索引:
def categoryFromOutput(output):top_n, top_i output.topk(1)category_i top_i[0].item()return all_categories[category_i], category_iprint(categoryFromOutput(output))
输出
(Scottish, 15)
我们还需要一种快速获取训练示例(名称及其语言)的方法:
import randomdef 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)], dtypetorch.long)line_tensor lineToTensor(line)return category, line, category_tensor, line_tensorfor i in range(10):category, line, category_tensor, line_tensor randomTrainingExample()print(category , category, / line , line)
输出
category Chinese / line Hou
category Scottish / line Mckay
category Arabic / line Cham
category Russian / line VYurkov
category Irish / line OKeeffe
category French / line Belrose
category Spanish / line Silva
category Japanese / line Fuchida
category Greek / line Tsahalis
category Korean / line Chang
训练网络
现在训练这个网络所需要做的就是给它看一堆例子让它猜测然后告诉它是否错了。
对于损失函数nn.NLLLoss是合适的因为RNN的最后一层是nn.LogSoftmax.。
criterion nn.NLLLoss() 每个训练循环将:
创建输入张量和目标张量创建一个零初始隐藏状态读取每个字母 为下一个字母保存隐藏状态
将最终输出与目标进行比较反向传播返回输出和损失
learning_rate 0.005 # If you set this too high, it might explode. If too low, it might not learndef 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 ratefor p in rnn.parameters():p.data.add_(p.grad.data, alpha-learning_rate)return output, loss.item() 现在我们只需要用一堆例子来运行它。由于train函数返回输出和损失我们可以打印它的猜测并跟踪损失以便绘制。由于有1000个示例我们只打印每个print_every示例并取损失的平均值。
import time
import mathn_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 - sincem math.floor(s / 60)s - m * 60return %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 guessif iter % print_every 0:guess, guess_i categoryFromOutput(output)correct ✓ if guess category else ✗ (%s) % categoryprint(%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 lossesif iter % plot_every 0:all_losses.append(current_loss / plot_every)current_loss 0
输出
5000 5% (0m 33s) 2.6379 Horigome / Japanese ✓
10000 10% (1m 5s) 2.0172 Miazga / Japanese ✗ (Polish)
15000 15% (1m 39s) 0.2680 Yukhvidov / Russian ✓
20000 20% (2m 12s) 1.8239 Mclaughlin / Irish ✗ (Scottish)
25000 25% (2m 45s) 0.6978 Banh / Vietnamese ✓
30000 30% (3m 18s) 1.7433 Machado / Japanese ✗ (Portuguese)
35000 35% (3m 51s) 0.0340 Fotopoulos / Greek ✓
40000 40% (4m 23s) 1.4637 Quirke / Irish ✓
45000 45% (4m 57s) 1.9018 Reier / French ✗ (German)
50000 50% (5m 30s) 0.9174 Hou / Chinese ✓
55000 55% (6m 2s) 1.0506 Duan / Vietnamese ✗ (Chinese)
60000 60% (6m 35s) 0.9617 Giang / Vietnamese ✓
65000 65% (7m 9s) 2.4557 Cober / German ✗ (Czech)
70000 70% (7m 42s) 0.8502 Mateus / Portuguese ✓
75000 75% (8m 14s) 0.2750 Hamilton / Scottish ✓
80000 80% (8m 47s) 0.7515 Maessen / Dutch ✓
85000 85% (9m 20s) 0.0912 Gan / Chinese ✓
90000 90% (9m 53s) 0.1190 Bellomi / Italian ✓
95000 95% (10m 26s) 0.0137 Vozgov / Russian ✓
100000 100% (10m 59s) 0.7808 Tong / Vietnamese ✓
绘制结果
绘制all_losses的历史损失图显示了网络的学习情况:
import matplotlib.pyplot as plt
import matplotlib.ticker as tickerplt.figure()
plt.plot(all_losses) 输出
[matplotlib.lines.Line2D object at 0x7f16606095a0] 评估结果
为了了解网络在不同类别上的表现如何我们将创建一个混淆矩阵表示网络猜测(列)的每种语言(行)。为了计算混淆矩阵使用evaluate(),在网络中运行一堆样本这与 train() 去掉反向传播相同。
# 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, rotation90)
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() 输出
/var/lib/jenkins/workspace/intermediate_source/char_rnn_classification_tutorial.py:445: UserWarning:FixedFormatter should only be used together with FixedLocator/var/lib/jenkins/workspace/intermediate_source/char_rnn_classification_tutorial.py:446: UserWarning:FixedFormatter should only be used together with FixedLocator 你可以从主轴上挑出亮点显示它猜错了哪些语言例如中文猜错了韩语西班牙语猜错了意大利语。它似乎在希腊语上表现得很好而在英语上表现得很差(可能是因为与其他语言重叠)。 运行用户输入
def predict(input_line, n_predictions3):print(\n %s % input_line)with torch.no_grad():output evaluate(lineToTensor(input_line))# Get top N categoriestopv, 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)
输出 Dovesky
(-0.57) Czech
(-0.97) Russian
(-3.43) English Jackson
(-1.02) Scottish
(-1.49) Russian
(-1.96) English Satoshi
(-0.42) Japanese
(-1.70) Polish
(-2.74) Italian in the Practical PyTorch repo中脚本的最终版本将上述代码拆分为几个文件:
data.py (加载文件)model.py (定义 RNN)train.py (执行训练)predict.py (运行带有命令行参数的predict() )server.py (使用bottle.py作为JSON API提供预测) 运行train.py来训练和保存网络。
运行predict.py并输入一个名称来查看预测:
$ python predict.py Hazaki
(-0.42) Japanese
(-1.39) Polish
(-3.51) Czech 运行server.py 并访问http://localhost:5533/Yourname以获得预测的JSON输出。
练习
尝试使用不同的数据集 - 类别例如:
任何单词-语言名字-性别角色名称-作家页面标题 - 博客或社交新闻网站子版块 使用一个更大的和/或更好的形状网络可以获得更好的结果
添加更多线性图层试试 nn.LSTM 和 nn.GRU 网络层将这些RNNs组合成一个更高级的网络
