Ajuda a proteger a Grande Barreira de Corais com TensorFlow em Kaggle Junte Desafio

Geração de texto com um RNN

Veja no TensorFlow.org Executar no Google Colab Ver fonte no GitHub Baixar caderno

Este tutorial demonstra como gerar texto usando um RNN baseado em caracteres. Você vai trabalhar com um conjunto de dados da escrita de Shakespeare de Andrej Kárpáthy A Eficácia Unreasonable de Recurrent Neural Networks . Dada uma sequência de caracteres desses dados ("Shakespear"), treine um modelo para prever o próximo caractere na sequência ("e"). Sequências mais longas de texto podem ser geradas chamando o modelo repetidamente.

Este tutorial inclui o código executável implementado usando tf.keras e execução ansioso . A seguir está a saída de amostra quando o modelo neste tutorial foi treinado por 30 épocas e iniciado com o prompt "Q":

QUEENE:
I had thought thou hadst a Roman; for the oracle,
Thus by All bids the man against the word,
Which are so weak of care, by old care done;
Your children were in your holy love,
And the precipitation through the bleeding throne.

BISHOP OF ELY:
Marry, and will, my lord, to weep in such a one were prettiest;
Yet now I was adopted heir
Of the world's lamentable day,
To watch the next way with his father with his face?

ESCALUS:
The cause why then we are all resolved more sons.

VOLUMNIA:
O, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, it is no sin it should be dead,
And love and pale as any will to that word.

QUEEN ELIZABETH:
But how long have I heard the soul for this world,
And show his hands of life be proved to stand.

PETRUCHIO:
I say he look'd on, if I must be content
To stay him from the fatal of our country's bliss.
His lordship pluck'd from this sentence then for prey,
And then let us twain, being the moon,
were she such a case as fills m

Embora algumas das frases sejam gramaticais, a maioria não faz sentido. O modelo não aprendeu o significado das palavras, mas considere:

  • O modelo é baseado em personagens. Quando o treinamento começou, o modelo não sabia como soletrar uma palavra em inglês, ou que as palavras eram mesmo uma unidade de texto.

  • A estrutura da saída se assemelha a uma peça - blocos de texto geralmente começam com o nome de um falante, em letras maiúsculas semelhantes ao conjunto de dados.

  • Conforme demonstrado abaixo, o modelo é treinado em pequenos lotes de texto (100 caracteres cada) e ainda é capaz de gerar uma sequência mais longa de texto com estrutura coerente.

Configurar

Importar TensorFlow e outras bibliotecas

import tensorflow as tf

import numpy as np
import os
import time

Baixe o conjunto de dados de Shakespeare

Altere a linha a seguir para executar esse código em seus próprios dados.

path_to_file = tf.keras.utils.get_file('shakespeare.txt', 'https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txt')
Downloading data from https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txt
1122304/1115394 [==============================] - 0s 0us/step
1130496/1115394 [==============================] - 0s 0us/step

Leia os dados

Primeiro, veja no texto:

# Read, then decode for py2 compat.
text = open(path_to_file, 'rb').read().decode(encoding='utf-8')
# length of text is the number of characters in it
print(f'Length of text: {len(text)} characters')
Length of text: 1115394 characters
# Take a look at the first 250 characters in text
print(text[:250])
First Citizen:
Before we proceed any further, hear me speak.

All:
Speak, speak.

First Citizen:
You are all resolved rather to die than to famish?

All:
Resolved. resolved.

First Citizen:
First, you know Caius Marcius is chief enemy to the people.
# The unique characters in the file
vocab = sorted(set(text))
print(f'{len(vocab)} unique characters')
65 unique characters

Processe o texto

Vetorize o texto

Antes de treinar, você precisa converter as strings em uma representação numérica.

O tf.keras.layers.StringLookup camada pode converter cada caractere em um ID numérico. Ele só precisa que o texto seja dividido em tokens primeiro.

example_texts = ['abcdefg', 'xyz']

chars = tf.strings.unicode_split(example_texts, input_encoding='UTF-8')
chars
<tf.RaggedTensor [[b'a', b'b', b'c', b'd', b'e', b'f', b'g'], [b'x', b'y', b'z']]>

Agora crie o tf.keras.layers.StringLookup camada:

ids_from_chars = tf.keras.layers.StringLookup(
    vocabulary=list(vocab), mask_token=None)

Ele converte de tokens para IDs de caracteres:

ids = ids_from_chars(chars)
ids
<tf.RaggedTensor [[40, 41, 42, 43, 44, 45, 46], [63, 64, 65]]>

Como o objetivo deste tutorial é gerar texto, também será importante inverter essa representação e recuperar strings legíveis a partir dela. Para isso, você pode usar tf.keras.layers.StringLookup(..., invert=True) .

chars_from_ids = tf.keras.layers.StringLookup(
    vocabulary=ids_from_chars.get_vocabulary(), invert=True, mask_token=None)

Esta camada recupera os caracteres a partir dos vectores de identificações, e devolve-os como um tf.RaggedTensor de caracteres:

chars = chars_from_ids(ids)
chars
<tf.RaggedTensor [[b'a', b'b', b'c', b'd', b'e', b'f', b'g'], [b'x', b'y', b'z']]>

Você pode tf.strings.reduce_join para se juntar os personagens de volta para strings.

tf.strings.reduce_join(chars, axis=-1).numpy()
array([b'abcdefg', b'xyz'], dtype=object)
def text_from_ids(ids):
  return tf.strings.reduce_join(chars_from_ids(ids), axis=-1)

A tarefa de previsão

Dado um caractere, ou uma sequência de caracteres, qual é o próximo caractere mais provável? Essa é a tarefa para a qual você está treinando o modelo. A entrada para o modelo será uma sequência de caracteres, e você treina o modelo para prever a saída — o caractere a seguir em cada etapa de tempo.

Como as RNNs mantêm um estado interno que depende dos elementos vistos anteriormente, dados todos os caracteres computados até o momento, qual é o próximo caractere?

Crie exemplos e metas de treinamento

Em seguida, divida o texto em sequências de exemplo. Cada sequência de entrada conterá seq_length caracteres do texto.

Para cada sequência de entrada, os alvos correspondentes contêm o mesmo comprimento de texto, exceto um caractere deslocado para a direita.

Então quebrar o texto em pedaços de seq_length+1 . Por exemplo, digamos seq_length é 4 e nosso texto é "Olá". A sequência de entrada seria "Hell" e a sequência de destino "ello".

Para fazer isso primeiro uso os tf.data.Dataset.from_tensor_slices funcionar para converter o vetor do texto em um fluxo de índices de caracteres.

all_ids = ids_from_chars(tf.strings.unicode_split(text, 'UTF-8'))
all_ids
<tf.Tensor: shape=(1115394,), dtype=int64, numpy=array([19, 48, 57, ..., 46,  9,  1])>
ids_dataset = tf.data.Dataset.from_tensor_slices(all_ids)
for ids in ids_dataset.take(10):
    print(chars_from_ids(ids).numpy().decode('utf-8'))
F
i
r
s
t
 
C
i
t
i
seq_length = 100
examples_per_epoch = len(text)//(seq_length+1)

O batch método permite converter facilmente esses personagens individuais para sequências do tamanho desejado.

sequences = ids_dataset.batch(seq_length+1, drop_remainder=True)

for seq in sequences.take(1):
  print(chars_from_ids(seq))
tf.Tensor(
[b'F' b'i' b'r' b's' b't' b' ' b'C' b'i' b't' b'i' b'z' b'e' b'n' b':'
 b'\n' b'B' b'e' b'f' b'o' b'r' b'e' b' ' b'w' b'e' b' ' b'p' b'r' b'o'
 b'c' b'e' b'e' b'd' b' ' b'a' b'n' b'y' b' ' b'f' b'u' b'r' b't' b'h'
 b'e' b'r' b',' b' ' b'h' b'e' b'a' b'r' b' ' b'm' b'e' b' ' b's' b'p'
 b'e' b'a' b'k' b'.' b'\n' b'\n' b'A' b'l' b'l' b':' b'\n' b'S' b'p' b'e'
 b'a' b'k' b',' b' ' b's' b'p' b'e' b'a' b'k' b'.' b'\n' b'\n' b'F' b'i'
 b'r' b's' b't' b' ' b'C' b'i' b't' b'i' b'z' b'e' b'n' b':' b'\n' b'Y'
 b'o' b'u' b' '], shape=(101,), dtype=string)
2022-01-14 12:12:45.336250: W tensorflow/core/data/root_dataset.cc:200] Optimization loop failed: CANCELLED: Operation was cancelled

É mais fácil ver o que isso está fazendo se você juntar os tokens de volta em strings:

for seq in sequences.take(5):
  print(text_from_ids(seq).numpy())
b'First Citizen:\nBefore we proceed any further, hear me speak.\n\nAll:\nSpeak, speak.\n\nFirst Citizen:\nYou '
b'are all resolved rather to die than to famish?\n\nAll:\nResolved. resolved.\n\nFirst Citizen:\nFirst, you k'
b"now Caius Marcius is chief enemy to the people.\n\nAll:\nWe know't, we know't.\n\nFirst Citizen:\nLet us ki"
b"ll him, and we'll have corn at our own price.\nIs't a verdict?\n\nAll:\nNo more talking on't; let it be d"
b'one: away, away!\n\nSecond Citizen:\nOne word, good citizens.\n\nFirst Citizen:\nWe are accounted poor citi'

Para o treinamento você vai precisar de um conjunto de dados de (input, label) pares. Onde input e label são seqüências. A cada passo de tempo, a entrada é o caractere atual e o rótulo é o próximo caractere.

Aqui está uma função que recebe uma sequência como entrada, duplica e a desloca para alinhar a entrada e o rótulo para cada passo de tempo:

def split_input_target(sequence):
    input_text = sequence[:-1]
    target_text = sequence[1:]
    return input_text, target_text
split_input_target(list("Tensorflow"))
(['T', 'e', 'n', 's', 'o', 'r', 'f', 'l', 'o'],
 ['e', 'n', 's', 'o', 'r', 'f', 'l', 'o', 'w'])
dataset = sequences.map(split_input_target)
for input_example, target_example in dataset.take(1):
    print("Input :", text_from_ids(input_example).numpy())
    print("Target:", text_from_ids(target_example).numpy())
Input : b'First Citizen:\nBefore we proceed any further, hear me speak.\n\nAll:\nSpeak, speak.\n\nFirst Citizen:\nYou'
Target: b'irst Citizen:\nBefore we proceed any further, hear me speak.\n\nAll:\nSpeak, speak.\n\nFirst Citizen:\nYou '

Criar lotes de treinamento

Você usou tf.data para dividir o texto em seqüências gerenciáveis. Mas antes de alimentar esses dados no modelo, você precisa embaralhar os dados e empacotá-los em lotes.

# Batch size
BATCH_SIZE = 64

# Buffer size to shuffle the dataset
# (TF data is designed to work with possibly infinite sequences,
# so it doesn't attempt to shuffle the entire sequence in memory. Instead,
# it maintains a buffer in which it shuffles elements).
BUFFER_SIZE = 10000

dataset = (
    dataset
    .shuffle(BUFFER_SIZE)
    .batch(BATCH_SIZE, drop_remainder=True)
    .prefetch(tf.data.experimental.AUTOTUNE))

dataset
<PrefetchDataset element_spec=(TensorSpec(shape=(64, 100), dtype=tf.int64, name=None), TensorSpec(shape=(64, 100), dtype=tf.int64, name=None))>

Construir o modelo

Esta seção define o modelo como um keras.Model subclasse (Para detalhes veja Fazendo novas camadas e Modelos via subclasse ).

Este modelo tem três camadas:

  • tf.keras.layers.Embedding : A camada de entrada. Uma tabela de pesquisa orientáveis que vai mapear cada caractere-ID para um vector com embedding_dim dimensões;
  • tf.keras.layers.GRU : Um tipo de RNN com tamanho units=rnn_units (Também é possível utilizar uma camada de LSTM aqui.)
  • tf.keras.layers.Dense : A camada de saída, com vocab_size saídas. Ele gera um logit para cada caractere no vocabulário. Estas são as probabilidades de log de cada personagem de acordo com o modelo.
# Length of the vocabulary in chars
vocab_size = len(vocab)

# The embedding dimension
embedding_dim = 256

# Number of RNN units
rnn_units = 1024
class MyModel(tf.keras.Model):
  def __init__(self, vocab_size, embedding_dim, rnn_units):
    super().__init__(self)
    self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
    self.gru = tf.keras.layers.GRU(rnn_units,
                                   return_sequences=True,
                                   return_state=True)
    self.dense = tf.keras.layers.Dense(vocab_size)

  def call(self, inputs, states=None, return_state=False, training=False):
    x = inputs
    x = self.embedding(x, training=training)
    if states is None:
      states = self.gru.get_initial_state(x)
    x, states = self.gru(x, initial_state=states, training=training)
    x = self.dense(x, training=training)

    if return_state:
      return x, states
    else:
      return x
model = MyModel(
    # Be sure the vocabulary size matches the `StringLookup` layers.
    vocab_size=len(ids_from_chars.get_vocabulary()),
    embedding_dim=embedding_dim,
    rnn_units=rnn_units)

Para cada caractere, o modelo procura a incorporação, executa a GRU um passo de tempo com a incorporação como entrada e aplica a camada densa para gerar logits prevendo a probabilidade de log do próximo caractere:

Um desenho dos dados que passam pelo modelo

Experimente o modelo

Agora execute o modelo para ver se ele se comporta conforme o esperado.

Primeiro verifique a forma da saída:

for input_example_batch, target_example_batch in dataset.take(1):
    example_batch_predictions = model(input_example_batch)
    print(example_batch_predictions.shape, "# (batch_size, sequence_length, vocab_size)")
(64, 100, 66) # (batch_size, sequence_length, vocab_size)

No exemplo acima, o comprimento da sequência de entrada é 100 , mas o modelo pode ser executado em entradas de qualquer comprimento:

model.summary()
Model: "my_model"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 embedding (Embedding)       multiple                  16896     
                                                                 
 gru (GRU)                   multiple                  3938304   
                                                                 
 dense (Dense)               multiple                  67650     
                                                                 
=================================================================
Total params: 4,022,850
Trainable params: 4,022,850
Non-trainable params: 0
_________________________________________________________________

Para obter previsões reais do modelo, você precisa amostrar a distribuição de saída para obter índices de caracteres reais. Esta distribuição é definida pelos logits sobre o vocabulário de caracteres.

Experimente para o primeiro exemplo no lote:

sampled_indices = tf.random.categorical(example_batch_predictions[0], num_samples=1)
sampled_indices = tf.squeeze(sampled_indices, axis=-1).numpy()

Isso nos dá, a cada passo de tempo, uma previsão do próximo índice de caracteres:

sampled_indices
array([ 3, 64, 58, 50, 52, 54,  5, 65, 44, 52, 11, 17, 16, 22, 62, 14, 19,
       26, 63,  2, 39, 19, 21, 14, 39, 46, 26, 53,  4, 16, 49, 43, 15, 53,
       31, 45,  2,  9, 43, 53,  6,  0, 43, 30, 24,  2, 35, 22, 23,  3, 17,
       15, 10, 30, 42, 48, 22,  1, 27, 52, 36, 51, 51, 43, 65, 39, 43, 38,
       39,  0,  2, 56, 49, 48, 31, 42, 51, 48,  7, 24, 33, 56, 58, 31, 51,
       61, 59, 61,  3, 65, 44, 14, 34, 30, 44, 27, 47, 18, 42, 15])

Decodifique-os para ver o texto previsto por este modelo não treinado:

print("Input:\n", text_from_ids(input_example_batch[0]).numpy())
print()
print("Next Char Predictions:\n", text_from_ids(sampled_indices).numpy())
Input:
 b'genet.\nEdward for Edward pays a dying debt.\n\nQUEEN ELIZABETH:\nWilt thou, O God, fly from such gentle'

Next Char Predictions:
 b"!yskmo&zem:DCIwAFMx ZFHAZgMn$CjdBnRf .dn'[UNK]dQK VIJ!DB3QciI\nNmWlldzZdYZ[UNK] qjiRcli,KTqsRlvtv!zeAUQeNhEcB"

Treine o modelo

Neste ponto, o problema pode ser tratado como um problema de classificação padrão. Dado o estado RNN anterior e a entrada neste passo de tempo, preveja a classe do próximo caractere.

Anexe um otimizador e uma função de perda

O padrão tf.keras.losses.sparse_categorical_crossentropy função de perda funciona neste caso, porque ela é aplicada em toda a última dimensão das previsões.

Porque o seu modelo retorna logits, você precisa definir o from_logits bandeira.

loss = tf.losses.SparseCategoricalCrossentropy(from_logits=True)
example_batch_loss = loss(target_example_batch, example_batch_predictions)
mean_loss = example_batch_loss.numpy().mean()
print("Prediction shape: ", example_batch_predictions.shape, " # (batch_size, sequence_length, vocab_size)")
print("Mean loss:        ", mean_loss)
Prediction shape:  (64, 100, 66)  # (batch_size, sequence_length, vocab_size)
Mean loss:         4.1900826

Um modelo recém-inicializado não deve ser muito seguro de si mesmo, todos os logits de saída devem ter magnitudes semelhantes. Para confirmar isso, você pode verificar que o exponencial da perda média é aproximadamente igual ao tamanho do vocabulário. Uma perda muito maior significa que o modelo está certo de suas respostas erradas e está mal inicializado:

tf.exp(mean_loss).numpy()
66.028244

Configurar o procedimento de treinamento usando o tf.keras.Model.compile método. Use tf.keras.optimizers.Adam com argumentos padrão e a função de perda.

model.compile(optimizer='adam', loss=loss)

Configurar pontos de verificação

Use um tf.keras.callbacks.ModelCheckpoint para garantir que os pontos de verificação são salvos durante o treinamento:

# Directory where the checkpoints will be saved
checkpoint_dir = './training_checkpoints'
# Name of the checkpoint files
checkpoint_prefix = os.path.join(checkpoint_dir, "ckpt_{epoch}")

checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_prefix,
    save_weights_only=True)

Execute o treinamento

Para manter o tempo de treinamento razoável, use 10 épocas para treinar o modelo. No Colab, defina o tempo de execução para GPU para um treinamento mais rápido.

EPOCHS = 20
history = model.fit(dataset, epochs=EPOCHS, callbacks=[checkpoint_callback])
Epoch 1/20
172/172 [==============================] - 7s 25ms/step - loss: 2.7056
Epoch 2/20
172/172 [==============================] - 5s 24ms/step - loss: 1.9838
Epoch 3/20
172/172 [==============================] - 5s 24ms/step - loss: 1.7074
Epoch 4/20
172/172 [==============================] - 5s 24ms/step - loss: 1.5489
Epoch 5/20
172/172 [==============================] - 5s 24ms/step - loss: 1.4498
Epoch 6/20
172/172 [==============================] - 5s 24ms/step - loss: 1.3825
Epoch 7/20
172/172 [==============================] - 5s 24ms/step - loss: 1.3300
Epoch 8/20
172/172 [==============================] - 5s 24ms/step - loss: 1.2846
Epoch 9/20
172/172 [==============================] - 5s 24ms/step - loss: 1.2441
Epoch 10/20
172/172 [==============================] - 5s 24ms/step - loss: 1.2030
Epoch 11/20
172/172 [==============================] - 5s 24ms/step - loss: 1.1641
Epoch 12/20
172/172 [==============================] - 5s 24ms/step - loss: 1.1223
Epoch 13/20
172/172 [==============================] - 6s 24ms/step - loss: 1.0786
Epoch 14/20
172/172 [==============================] - 5s 24ms/step - loss: 1.0316
Epoch 15/20
172/172 [==============================] - 6s 24ms/step - loss: 0.9826
Epoch 16/20
172/172 [==============================] - 5s 24ms/step - loss: 0.9326
Epoch 17/20
172/172 [==============================] - 5s 24ms/step - loss: 0.8790
Epoch 18/20
172/172 [==============================] - 5s 24ms/step - loss: 0.8260
Epoch 19/20
172/172 [==============================] - 5s 24ms/step - loss: 0.7759
Epoch 20/20
172/172 [==============================] - 5s 24ms/step - loss: 0.7256

Gerar texto

A maneira mais simples de gerar texto com esse modelo é executá-lo em um loop e acompanhar o estado interno do modelo à medida que você o executa.

Para gerar texto, a saída do modelo é realimentada na entrada

Cada vez que você chama o modelo você passa algum texto e um estado interno. O modelo retorna uma previsão para o próximo caractere e seu novo estado. Passe a previsão e o estado de volta para continuar gerando texto.

O seguinte faz uma previsão de uma única etapa:

class OneStep(tf.keras.Model):
  def __init__(self, model, chars_from_ids, ids_from_chars, temperature=1.0):
    super().__init__()
    self.temperature = temperature
    self.model = model
    self.chars_from_ids = chars_from_ids
    self.ids_from_chars = ids_from_chars

    # Create a mask to prevent "[UNK]" from being generated.
    skip_ids = self.ids_from_chars(['[UNK]'])[:, None]
    sparse_mask = tf.SparseTensor(
        # Put a -inf at each bad index.
        values=[-float('inf')]*len(skip_ids),
        indices=skip_ids,
        # Match the shape to the vocabulary
        dense_shape=[len(ids_from_chars.get_vocabulary())])
    self.prediction_mask = tf.sparse.to_dense(sparse_mask)

  @tf.function
  def generate_one_step(self, inputs, states=None):
    # Convert strings to token IDs.
    input_chars = tf.strings.unicode_split(inputs, 'UTF-8')
    input_ids = self.ids_from_chars(input_chars).to_tensor()

    # Run the model.
    # predicted_logits.shape is [batch, char, next_char_logits]
    predicted_logits, states = self.model(inputs=input_ids, states=states,
                                          return_state=True)
    # Only use the last prediction.
    predicted_logits = predicted_logits[:, -1, :]
    predicted_logits = predicted_logits/self.temperature
    # Apply the prediction mask: prevent "[UNK]" from being generated.
    predicted_logits = predicted_logits + self.prediction_mask

    # Sample the output logits to generate token IDs.
    predicted_ids = tf.random.categorical(predicted_logits, num_samples=1)
    predicted_ids = tf.squeeze(predicted_ids, axis=-1)

    # Convert from token ids to characters
    predicted_chars = self.chars_from_ids(predicted_ids)

    # Return the characters and model state.
    return predicted_chars, states
one_step_model = OneStep(model, chars_from_ids, ids_from_chars)

Execute-o em um loop para gerar algum texto. Observando o texto gerado, você verá que o modelo sabe quando capitalizar, fazer parágrafos e imita um vocabulário de escrita semelhante a Shakespeare. Com o pequeno número de épocas de treinamento, ainda não aprendeu a formar frases coerentes.

start = time.time()
states = None
next_char = tf.constant(['ROMEO:'])
result = [next_char]

for n in range(1000):
  next_char, states = one_step_model.generate_one_step(next_char, states=states)
  result.append(next_char)

result = tf.strings.join(result)
end = time.time()
print(result[0].numpy().decode('utf-8'), '\n\n' + '_'*80)
print('\nRun time:', end - start)
ROMEO:
But I do lose his land, and get a summer ruin.

SICINIUS:
That's your beave.

BIONDELLO:
Ha? Rucher that dost thou art again to provide,
In thy right injurious princely number.
Dear resembrance at this Antium, York as a man
That 'leven your steel pedlars mounted.
Sad, he hath privilege with the causer.

NORTHUMBERLAND:
The lords o'clock my sovereign slay;
You say do so young master. Come, let's go
Avoid with brittle fifteen years; therefore I wail, for he
is your before, sir, I will deep thing and rich my steal father.
Then, till he be that must be done: Henry, such a peast,
Our doings were free,' quoth he that Clifford say so himself.
If I be here to make thee jardon, 'milis,
And cannot but better wed this withded; but,
I'll pawn the platts, to France Henry's forward come?

BENVOLIO:
Twice one defend,
Or wail not be; this last of endless creatures
We may title out above to due, a feast.

Tailor:
Such a more mortal to your death
Taking this forward injury, that did, but hears
Bearing  

________________________________________________________________________________

Run time: 2.630192518234253

A coisa mais fácil que você pode fazer para melhorar os resultados é treiná-lo por longos (experimente EPOCHS = 30 ).

Você também pode experimentar uma string inicial diferente, tentar adicionar outra camada RNN para melhorar a precisão do modelo ou ajustar o parâmetro de temperatura para gerar previsões mais ou menos aleatórias.

Se você quiser o modelo para gerar texto mais rápido a coisa mais fácil que você pode fazer é lote a geração de texto. No exemplo abaixo, o modelo gera 5 saídas aproximadamente no mesmo tempo que levou para gerar 1 acima.

start = time.time()
states = None
next_char = tf.constant(['ROMEO:', 'ROMEO:', 'ROMEO:', 'ROMEO:', 'ROMEO:'])
result = [next_char]

for n in range(1000):
  next_char, states = one_step_model.generate_one_step(next_char, states=states)
  result.append(next_char)

result = tf.strings.join(result)
end = time.time()
print(result, '\n\n' + '_'*80)
print('\nRun time:', end - start)
tf.Tensor(
[b"ROMEO:\nThe Duke of Norfolk, when ang low-hingded is a\ndangerous tongue; thou hast never in our tale\n'side, and talk of wine and me. Leave me, and\nI wish thy breathing: he hath had no poison\nMust call Edward's faces, and that sends the roan drowning tears.\nThe sum our lovers bride, or bid me speak.\n\nBUCKINGHAM:\nWelcome, great bring our contents.\n\nCAMILLO:\nThe kings of Coriolanus!\n\nVOLUMNIA:\nAnd, by a dish, sort words in person.\n\nBRUTUS:\nGo ask.\n\nMARIANA:\nThen with a grains what thine eyes say\nWill you done free speech lies?\n\nLADY CAPULET:\nI know not what to be proud?\nFow, I do bit speak a worthy feast; but tweit me\nForbid-hearken more deeds do that presently to't in no\nmore mad off, what a subjected\nregion and the devil serve my name world's dead,\nAnd till the portier rare my brows, not with this fable,\nnurse, for he is come to swear and spee himself and France:\nClarence hath all postery of the marriage\nBoth have but a rather.\n\nDUKE VINCENTIO:\nYou have lats in the charm? the two brittle gale\n"
 b"ROMEO:\nThey are but foolish tox, that you rogues!\n\nARCHIDAMUS:\nWell, why lie yon ege you for that name; for forward of the father\nWoeed out me in the invited suffer: if\nThe Volsces have by me with twenty thousand men?\nBut he, my lord, with honourable forfeit,\nWhich ebbles your partiest, will do you\nTo make the measure of a weal Lord Hastings;\nI will not judger in Bohemia.\n\nCOMINIUS:\nGo, be gone, let's he for her success.\n\nMIRANDA:\nYou have told something only poored?\nWhere then Ramentione hath wrong'd himself.\n\nKING RICHARD III:\nHe was not may be, do not bellay. Here comest thou not:\nWhat a medler sticks your daughter and my slave,\nAs if thy words may talk for love, thy knee\nCitsand in't, for fair lady's husband,\nTo entail yield Lohe Becomes your bosom's side;\ncannot hold out alone. Farewell: my swift is several tone,\nThat rests more cause to go walk by to her hearing a trabe,\nOr ever eished him that walk'd you, whiles he yields\nSmiles as easy ansien and be true.\n\nDUCHESS OF YORK:\nAll men, I"
 b"ROMEO:\nBut rather we have eved the ground\nbelieve thee, horse! what has left in the city butchers.\n\nDUKE VINCENTIO:\nA goddess helprous Derby, and yet no parley, complet\nThe valiant part Campish. Tell me, mark I commine\nYour changet over-little.\n\nPOMPEY:\nI would fail sir, and here I leave you, sir.\n\nVINCENTIO:\nLet a mark to-morrow to be ta'en true; be gone.\n\nShepherd:\nNo, he doth no daughter to part.\n\nPAULINA:\nWhere is my lord Ged breed!\nO go, no visage, and fear:\nYou are school'd, methinks, and finds enough.\nWhat, are you heep? when valiant Bilond, owe hour,\nSince presently the lording jewels each part\nThe honour's emilia. A scurcely, which are\nthey are, which Hasby Buckingham deposed?\n\nRome:\nAy, to thy child is frame of death,\nBut death to part of satisffiting.\n\nNORTHUMBERLAND:\nNay, but sad, I'ld not be so troop;\nShow me them speak. This way, let's hand thy pride.\n\nHENRY BOLINGBROKE:\nHe did, my ladying and dig friend,\nNor to thy heart were god, that I have seen in\ntwenty humours live. For j"
 b"ROMEO:\nThe mayor alieas! no senses of spleen,\nWhile I am come to Padua and gallows Claudio; we is there\nA shimble witness to this father's death\n'seep lusty to Covents, alive,\nSend by the father bear themselves; for I am law,\nAnd there not mine is no other beauteous days!\n\nJOHN OF GAUNT:\nO, but O, the account I would content\na boain-to bed; there as good news will it purge;\nFor then the unstable's accept of teet, and aged\nThan one but follow'd that he did the house\nto make a papse tread on to dispatch his power to bid\nOf the tribunes of ut my sweet revolting.\n\nVOLUMNIA:\nMy husband come I heard you as from an\nangry and a father before him\nTo be so boundly, as affairs\nShall rest by back from grief and fortune shall be talk.\n\nGLOUCESTER:\nLook, horse! Viseria feet us on the child,\nVerily, and tell him heap of brief.\nFor I woo'll so it is.\n\nPOMPEY:\nBut can you not forgot your hends are pack'd?\n\nBIONDELLO:\nO, what a spenat lay be born ta'll fim,\nHave a burthen and a second Kate of France,\nAnd call"
 b"ROMEO:\nBut I do defend my lotgern any in the county.\n\nJULIET:\nI would the duke way dog! This vullain and all his\nfriends, nature bids thy pinish whom, by, boshing rewards.\nCome, my Lord Northumberland.\n\nPRINCE EDWARD:\nWatch this follows many more than this! O ho!\n\nNORFOLK:\nSpurs, praise I seal of trial. Hadst thou wilt amender:\nGood Poase and thy voice indeeds as year.\n\nKING RICHARD III:\nAnd do, my lord. Lord Angelo, have I pronound\nMy swinter saust and jegla.\n\nPRINCE:\nLet's fit how thy peace hath been bring me to my life.\nBut now I am a lover and that grace to her tears.\nAh, for like deep dead, and I then live.\nAlack, he'll prove you the king's side,\nI poison, think you, on what a fed afford a hearted faults\nAs I else hand of secret.\n\nLODSE:\nStopp'd in such a slanderous coward!\n\nDUCHESS OF YORK:\nGive me my boon, I'll rust, but that I did for the\nnoble priest let mall in Coriol whipping news,\nSwarn hurts in every purged further;\nLooks wink,--for shame, this lark doth among these wars,\nHis ac"], shape=(5,), dtype=string) 

________________________________________________________________________________

Run time: 2.452502489089966

Exportar o gerador

Este modelo de um único passo pode ser facilmente salvos e restaurados , o que lhe permite usá-lo em qualquer lugar um tf.saved_model é aceito.

tf.saved_model.save(one_step_model, 'one_step')
one_step_reloaded = tf.saved_model.load('one_step')
WARNING:tensorflow:Skipping full serialization of Keras layer <__main__.OneStep object at 0x7f2dec122490>, because it is not built.
2022-01-14 12:14:46.156693: W tensorflow/python/util/util.cc:368] Sets are not currently considered sequences, but this may change in the future, so consider avoiding using them.
WARNING:absl:Found untraced functions such as gru_cell_layer_call_fn, gru_cell_layer_call_and_return_conditional_losses while saving (showing 2 of 2). These functions will not be directly callable after loading.
INFO:tensorflow:Assets written to: one_step/assets
INFO:tensorflow:Assets written to: one_step/assets
states = None
next_char = tf.constant(['ROMEO:'])
result = [next_char]

for n in range(100):
  next_char, states = one_step_reloaded.generate_one_step(next_char, states=states)
  result.append(next_char)

print(tf.strings.join(result)[0].numpy().decode("utf-8"))
ROMEO:
Why dost thou dissemble.

BRUTUS:
But, O, prite, hath becall'd it;
And so, have patience:
'Tis like

Avançado: Treinamento Personalizado

O procedimento de treinamento acima é simples, mas não lhe dá muito controle. Ele usa a força do professor, que impede que previsões ruins sejam realimentadas ao modelo, para que o modelo nunca aprenda a se recuperar de erros.

Agora que você viu como executar o modelo manualmente, você implementará o loop de treinamento. Isto dá um ponto de partida, se, por exemplo, você deseja implementar aprendizagem currículo para ajudar a estabilizar a saída de circuito aberto do modelo.

A parte mais importante de um loop de treinamento personalizado é a função de etapa de trem.

Use tf.GradientTape para controlar os gradientes. Você pode aprender mais sobre esta abordagem, lendo o guia de execução ansioso .

O procedimento básico é:

  1. Execute o modelo e calcular a perda sob uma tf.GradientTape .
  2. Calcule as atualizações e aplique-as ao modelo usando o otimizador.
class CustomTraining(MyModel):
  @tf.function
  def train_step(self, inputs):
      inputs, labels = inputs
      with tf.GradientTape() as tape:
          predictions = self(inputs, training=True)
          loss = self.loss(labels, predictions)
      grads = tape.gradient(loss, model.trainable_variables)
      self.optimizer.apply_gradients(zip(grads, model.trainable_variables))

      return {'loss': loss}

A aplicação acima do train_step método segue Keras' train_step convenções . Isto é opcional, mas permite que você altere o comportamento da etapa de trem e ainda usar Keras Model.compile e Model.fit métodos.

model = CustomTraining(
    vocab_size=len(ids_from_chars.get_vocabulary()),
    embedding_dim=embedding_dim,
    rnn_units=rnn_units)
model.compile(optimizer = tf.keras.optimizers.Adam(),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True))
model.fit(dataset, epochs=1)
172/172 [==============================] - 7s 24ms/step - loss: 2.6896
<keras.callbacks.History at 0x7f2d98313ed0>

Ou, se precisar de mais controle, você pode escrever seu próprio loop de treinamento personalizado completo:

EPOCHS = 10

mean = tf.metrics.Mean()

for epoch in range(EPOCHS):
    start = time.time()

    mean.reset_states()
    for (batch_n, (inp, target)) in enumerate(dataset):
        logs = model.train_step([inp, target])
        mean.update_state(logs['loss'])

        if batch_n % 50 == 0:
            template = f"Epoch {epoch+1} Batch {batch_n} Loss {logs['loss']:.4f}"
            print(template)

    # saving (checkpoint) the model every 5 epochs
    if (epoch + 1) % 5 == 0:
        model.save_weights(checkpoint_prefix.format(epoch=epoch))

    print()
    print(f'Epoch {epoch+1} Loss: {mean.result().numpy():.4f}')
    print(f'Time taken for 1 epoch {time.time() - start:.2f} sec')
    print("_"*80)

model.save_weights(checkpoint_prefix.format(epoch=epoch))
Epoch 1 Batch 0 Loss 2.1657
Epoch 1 Batch 50 Loss 2.0466
Epoch 1 Batch 100 Loss 1.9395
Epoch 1 Batch 150 Loss 1.8729

Epoch 1 Loss: 1.9635
Time taken for 1 epoch 6.03 sec
________________________________________________________________________________
Epoch 2 Batch 0 Loss 1.7759
Epoch 2 Batch 50 Loss 1.7126
Epoch 2 Batch 100 Loss 1.6657
Epoch 2 Batch 150 Loss 1.6516

Epoch 2 Loss: 1.6907
Time taken for 1 epoch 5.30 sec
________________________________________________________________________________
Epoch 3 Batch 0 Loss 1.5436
Epoch 3 Batch 50 Loss 1.5582
Epoch 3 Batch 100 Loss 1.5763
Epoch 3 Batch 150 Loss 1.5273

Epoch 3 Loss: 1.5359
Time taken for 1 epoch 5.21 sec
________________________________________________________________________________
Epoch 4 Batch 0 Loss 1.4566
Epoch 4 Batch 50 Loss 1.4341
Epoch 4 Batch 100 Loss 1.4065
Epoch 4 Batch 150 Loss 1.4215

Epoch 4 Loss: 1.4411
Time taken for 1 epoch 5.17 sec
________________________________________________________________________________
Epoch 5 Batch 0 Loss 1.3676
Epoch 5 Batch 50 Loss 1.3668
Epoch 5 Batch 100 Loss 1.3656
Epoch 5 Batch 150 Loss 1.3548

Epoch 5 Loss: 1.3761
Time taken for 1 epoch 5.42 sec
________________________________________________________________________________
Epoch 6 Batch 0 Loss 1.2972
Epoch 6 Batch 50 Loss 1.3501
Epoch 6 Batch 100 Loss 1.3261
Epoch 6 Batch 150 Loss 1.3215

Epoch 6 Loss: 1.3257
Time taken for 1 epoch 5.31 sec
________________________________________________________________________________
Epoch 7 Batch 0 Loss 1.2677
Epoch 7 Batch 50 Loss 1.2358
Epoch 7 Batch 100 Loss 1.2528
Epoch 7 Batch 150 Loss 1.2749

Epoch 7 Loss: 1.2818
Time taken for 1 epoch 5.46 sec
________________________________________________________________________________
Epoch 8 Batch 0 Loss 1.2007
Epoch 8 Batch 50 Loss 1.2336
Epoch 8 Batch 100 Loss 1.2466
Epoch 8 Batch 150 Loss 1.2282

Epoch 8 Loss: 1.2404
Time taken for 1 epoch 5.28 sec
________________________________________________________________________________
Epoch 9 Batch 0 Loss 1.1911
Epoch 9 Batch 50 Loss 1.1818
Epoch 9 Batch 100 Loss 1.1954
Epoch 9 Batch 150 Loss 1.2156

Epoch 9 Loss: 1.2019
Time taken for 1 epoch 5.27 sec
________________________________________________________________________________
Epoch 10 Batch 0 Loss 1.1061
Epoch 10 Batch 50 Loss 1.1386
Epoch 10 Batch 100 Loss 1.1444
Epoch 10 Batch 150 Loss 1.1587

Epoch 10 Loss: 1.1627
Time taken for 1 epoch 5.58 sec
________________________________________________________________________________