Google I / O kehrt vom 18. bis 20. Mai zurück! Reservieren Sie Platz und erstellen Sie Ihren Zeitplan Registrieren Sie sich jetzt

Neuronale maschinelle Übersetzung mit Aufmerksamkeit

Ansicht auf TensorFlow.org In Google Colab ausführen Quelle auf GitHub anzeigen Notizbuch herunterladen

Dieses Notizbuch trainiert ein Sequenz-zu-Sequenz-Modell (seq2seq) für die Übersetzung von Spanisch nach Englisch. Dies ist ein fortgeschrittenes Beispiel, das einige Kenntnisse über Sequenz-zu-Sequenz-Modelle voraussetzt.

Nachdem Sie das Modell in diesem Notizbuch trainiert haben, können Sie einen spanischen Satz eingeben , z. B. "¿todavia estan en casa?" und geben Sie die englische Übersetzung zurück: "Sind Sie noch zu Hause?"

Die Übersetzungsqualität ist für ein Spielzeugbeispiel angemessen, aber die generierte Aufmerksamkeitsdarstellung ist vielleicht interessanter. Dies zeigt, welche Teile des Eingabesatzes beim Übersetzen die Aufmerksamkeit des Modells erregen:

Spanisch-Englisch Aufmerksamkeitsplot

import tensorflow as tf

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from sklearn.model_selection import train_test_split

import unicodedata
import re
import numpy as np
import os
import io
import time

Laden Sie den Datensatz herunter und bereiten Sie ihn vor

Wir verwenden einen Sprachdatensatz, der von http://www.manythings.org/anki/ bereitgestellt wird. Dieser Datensatz enthält Sprachübersetzungspaare im folgenden Format:

May I borrow this book? ¿Puedo tomar prestado este libro?

Es stehen verschiedene Sprachen zur Verfügung, wir verwenden jedoch den englisch-spanischen Datensatz. Der Einfachheit halber haben wir eine Kopie dieses Datensatzes in Google Cloud gehostet. Sie können jedoch auch Ihre eigene Kopie herunterladen. Nach dem Herunterladen des Datensatzes führen Sie die folgenden Schritte aus, um die Daten vorzubereiten:

  1. Fügen Sie jedem Satz ein Start- und ein End- Token hinzu.
  2. Bereinigen Sie die Sätze, indem Sie Sonderzeichen entfernen.
  3. Erstellen Sie einen Wortindex und einen umgekehrten Wortindex (Wörterbuchzuordnung von Wort → ID und ID → Wort).
  4. Füllen Sie jeden Satz auf eine maximale Länge.
# Download the file
path_to_zip = tf.keras.utils.get_file(
    'spa-eng.zip', origin='http://storage.googleapis.com/download.tensorflow.org/data/spa-eng.zip',
    extract=True)

path_to_file = os.path.dirname(path_to_zip)+"/spa-eng/spa.txt"
Downloading data from http://storage.googleapis.com/download.tensorflow.org/data/spa-eng.zip
2646016/2638744 [==============================] - 0s 0us/step
# Converts the unicode file to ascii
def unicode_to_ascii(s):
  return ''.join(c for c in unicodedata.normalize('NFD', s)
                 if unicodedata.category(c) != 'Mn')


def preprocess_sentence(w):
  w = unicode_to_ascii(w.lower().strip())

  # creating a space between a word and the punctuation following it
  # eg: "he is a boy." => "he is a boy ."
  # Reference:- https://stackoverflow.com/questions/3645931/python-padding-punctuation-with-white-spaces-keeping-punctuation
  w = re.sub(r"([?.!,¿])", r" \1 ", w)
  w = re.sub(r'[" "]+', " ", w)

  # replacing everything with space except (a-z, A-Z, ".", "?", "!", ",")
  w = re.sub(r"[^a-zA-Z?.!,¿]+", " ", w)

  w = w.strip()

  # adding a start and an end token to the sentence
  # so that the model know when to start and stop predicting.
  w = '<start> ' + w + ' <end>'
  return w
en_sentence = u"May I borrow this book?"
sp_sentence = u"¿Puedo tomar prestado este libro?"
print(preprocess_sentence(en_sentence))
print(preprocess_sentence(sp_sentence).encode('utf-8'))
<start> may i borrow this book ? <end>
b'<start> \xc2\xbf puedo tomar prestado este libro ? <end>'
# 1. Remove the accents
# 2. Clean the sentences
# 3. Return word pairs in the format: [ENGLISH, SPANISH]
def create_dataset(path, num_examples):
  lines = io.open(path, encoding='UTF-8').read().strip().split('\n')

  word_pairs = [[preprocess_sentence(w) for w in line.split('\t')]
                for line in lines[:num_examples]]

  return zip(*word_pairs)
en, sp = create_dataset(path_to_file, None)
print(en[-1])
print(sp[-1])
<start> if you want to sound like a native speaker , you must be willing to practice saying the same sentence over and over in the same way that banjo players practice the same phrase over and over until they can play it correctly and at the desired tempo . <end>
<start> si quieres sonar como un hablante nativo , debes estar dispuesto a practicar diciendo la misma frase una y otra vez de la misma manera en que un musico de banjo practica el mismo fraseo una y otra vez hasta que lo puedan tocar correctamente y en el tiempo esperado . <end>
def tokenize(lang):
  lang_tokenizer = tf.keras.preprocessing.text.Tokenizer(filters='')
  lang_tokenizer.fit_on_texts(lang)

  tensor = lang_tokenizer.texts_to_sequences(lang)

  tensor = tf.keras.preprocessing.sequence.pad_sequences(tensor,
                                                         padding='post')

  return tensor, lang_tokenizer
def load_dataset(path, num_examples=None):
  # creating cleaned input, output pairs
  targ_lang, inp_lang = create_dataset(path, num_examples)

  input_tensor, inp_lang_tokenizer = tokenize(inp_lang)
  target_tensor, targ_lang_tokenizer = tokenize(targ_lang)

  return input_tensor, target_tensor, inp_lang_tokenizer, targ_lang_tokenizer

Begrenzen Sie die Größe des Datensatzes, um schneller zu experimentieren (optional).

Das Training des gesamten Datensatzes mit> 100.000 Sätzen wird lange dauern. Um schneller zu trainieren, können wir die Größe des Datensatzes auf 30.000 Sätze beschränken (natürlich verschlechtert sich die Übersetzungsqualität mit weniger Daten):

# Try experimenting with the size of that dataset
num_examples = 30000
input_tensor, target_tensor, inp_lang, targ_lang = load_dataset(path_to_file,
                                                                num_examples)

# Calculate max_length of the target tensors
max_length_targ, max_length_inp = target_tensor.shape[1], input_tensor.shape[1]
# Creating training and validation sets using an 80-20 split
input_tensor_train, input_tensor_val, target_tensor_train, target_tensor_val = train_test_split(input_tensor, target_tensor, test_size=0.2)

# Show length
print(len(input_tensor_train), len(target_tensor_train), len(input_tensor_val), len(target_tensor_val))
24000 24000 6000 6000
def convert(lang, tensor):
  for t in tensor:
    if t != 0:
      print(f'{t} ----> {lang.index_word[t]}')
print("Input Language; index to word mapping")
convert(inp_lang, input_tensor_train[0])
print()
print("Target Language; index to word mapping")
convert(targ_lang, target_tensor_train[0])
Input Language; index to word mapping
1 ----> <start>
23 ----> te
4128 ----> castigaran
3 ----> .
2 ----> <end>

Target Language; index to word mapping
1 ----> <start>
6 ----> you
75 ----> will
40 ----> be
1252 ----> punished
3 ----> .
2 ----> <end>

Erstellen Sie ein tf.data-Dataset

BUFFER_SIZE = len(input_tensor_train)
BATCH_SIZE = 64
steps_per_epoch = len(input_tensor_train)//BATCH_SIZE
embedding_dim = 256
units = 1024
vocab_inp_size = len(inp_lang.word_index)+1
vocab_tar_size = len(targ_lang.word_index)+1

dataset = tf.data.Dataset.from_tensor_slices((input_tensor_train, target_tensor_train)).shuffle(BUFFER_SIZE)
dataset = dataset.batch(BATCH_SIZE, drop_remainder=True)
example_input_batch, example_target_batch = next(iter(dataset))
example_input_batch.shape, example_target_batch.shape
(TensorShape([64, 16]), TensorShape([64, 11]))

Schreiben Sie das Codierer- und Decodierermodell

Implementieren Sie ein Encoder-Decoder-Modell mit Aufmerksamkeit, über das Sie im Tutorial TensorFlow Neural Machine Translation (seq2seq) lesen können. In diesem Beispiel wird ein neuerer Satz von APIs verwendet. Dieses Notizbuch implementiert die Aufmerksamkeitsgleichungen aus dem seq2seq-Tutorial. Das folgende Diagramm zeigt, dass jedem Eingabewort durch den Aufmerksamkeitsmechanismus ein Gewicht zugewiesen wird, das dann vom Decodierer verwendet wird, um das nächste Wort im Satz vorherzusagen. Das folgende Bild und die Formeln sind ein Beispiel für den Aufmerksamkeitsmechanismus aus Luongs Artikel .

Aufmerksamkeitsmechanismus

Die Eingabe erfolgt über ein Encoder-Modell, das uns die Encoder-Ausgabe der Form (batch_size, max_length, hidden_size) und den verborgenen Formzustand des Encoders (batch_size, hidden_size) gibt .

Hier sind die Gleichungen, die implementiert werden:

Aufmerksamkeitsgleichung 0Aufmerksamkeitsgleichung 1

In diesem Tutorial wird die Aufmerksamkeit von Bahdanau für den Encoder verwendet. Lassen Sie uns über die Notation entscheiden, bevor wir das vereinfachte Formular schreiben:

  • FC = Vollständig verbundene (dichte) Schicht
  • EO = Encoderausgang
  • H = versteckter Zustand
  • X = Eingabe in den Decoder

Und der Pseudocode:

  • score = FC(tanh(FC(EO) + FC(H)))
  • attention weights = softmax(score, axis = 1) . Softmax wird standardmäßig auf die letzte Achse angewendet, aber hier möchten wir es auf die 1. Achse anwenden, da die Form der Punktzahl (batch_size, max_length, hidden_size) ist . Max_length ist die Länge unserer Eingabe. Da wir versuchen, jedem Eingang ein Gewicht zuzuweisen, sollte Softmax auf diese Achse angewendet werden.
  • context vector = sum(attention weights * EO, axis = 1) . Gleicher Grund wie oben für die Wahl der Achse als 1.
  • embedding output = Der Eingang zum Decoder X wird durch eine Einbettungsschicht geleitet.
  • merged vector = concat(embedding output, context vector)
  • Dieser zusammengeführte Vektor wird dann an die GRU übergeben

Die Formen aller Vektoren bei jedem Schritt wurden in den Kommentaren im Code angegeben:

class Encoder(tf.keras.Model):
  def __init__(self, vocab_size, embedding_dim, enc_units, batch_sz):
    super(Encoder, self).__init__()
    self.batch_sz = batch_sz
    self.enc_units = enc_units
    self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
    self.gru = tf.keras.layers.GRU(self.enc_units,
                                   return_sequences=True,
                                   return_state=True,
                                   recurrent_initializer='glorot_uniform')

  def call(self, x, hidden):
    x = self.embedding(x)
    output, state = self.gru(x, initial_state=hidden)
    return output, state

  def initialize_hidden_state(self):
    return tf.zeros((self.batch_sz, self.enc_units))
encoder = Encoder(vocab_inp_size, embedding_dim, units, BATCH_SIZE)

# sample input
sample_hidden = encoder.initialize_hidden_state()
sample_output, sample_hidden = encoder(example_input_batch, sample_hidden)
print('Encoder output shape: (batch size, sequence length, units)', sample_output.shape)
print('Encoder Hidden state shape: (batch size, units)', sample_hidden.shape)
Encoder output shape: (batch size, sequence length, units) (64, 16, 1024)
Encoder Hidden state shape: (batch size, units) (64, 1024)
class BahdanauAttention(tf.keras.layers.Layer):
  def __init__(self, units):
    super(BahdanauAttention, self).__init__()
    self.W1 = tf.keras.layers.Dense(units)
    self.W2 = tf.keras.layers.Dense(units)
    self.V = tf.keras.layers.Dense(1)

  def call(self, query, values):
    # query hidden state shape == (batch_size, hidden size)
    # query_with_time_axis shape == (batch_size, 1, hidden size)
    # values shape == (batch_size, max_len, hidden size)
    # we are doing this to broadcast addition along the time axis to calculate the score
    query_with_time_axis = tf.expand_dims(query, 1)

    # score shape == (batch_size, max_length, 1)
    # we get 1 at the last axis because we are applying score to self.V
    # the shape of the tensor before applying self.V is (batch_size, max_length, units)
    score = self.V(tf.nn.tanh(
        self.W1(query_with_time_axis) + self.W2(values)))

    # attention_weights shape == (batch_size, max_length, 1)
    attention_weights = tf.nn.softmax(score, axis=1)

    # context_vector shape after sum == (batch_size, hidden_size)
    context_vector = attention_weights * values
    context_vector = tf.reduce_sum(context_vector, axis=1)

    return context_vector, attention_weights
attention_layer = BahdanauAttention(10)
attention_result, attention_weights = attention_layer(sample_hidden, sample_output)

print("Attention result shape: (batch size, units)", attention_result.shape)
print("Attention weights shape: (batch_size, sequence_length, 1)", attention_weights.shape)
Attention result shape: (batch size, units) (64, 1024)
Attention weights shape: (batch_size, sequence_length, 1) (64, 16, 1)
class Decoder(tf.keras.Model):
  def __init__(self, vocab_size, embedding_dim, dec_units, batch_sz):
    super(Decoder, self).__init__()
    self.batch_sz = batch_sz
    self.dec_units = dec_units
    self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
    self.gru = tf.keras.layers.GRU(self.dec_units,
                                   return_sequences=True,
                                   return_state=True,
                                   recurrent_initializer='glorot_uniform')
    self.fc = tf.keras.layers.Dense(vocab_size)

    # used for attention
    self.attention = BahdanauAttention(self.dec_units)

  def call(self, x, hidden, enc_output):
    # enc_output shape == (batch_size, max_length, hidden_size)
    context_vector, attention_weights = self.attention(hidden, enc_output)

    # x shape after passing through embedding == (batch_size, 1, embedding_dim)
    x = self.embedding(x)

    # x shape after concatenation == (batch_size, 1, embedding_dim + hidden_size)
    x = tf.concat([tf.expand_dims(context_vector, 1), x], axis=-1)

    # passing the concatenated vector to the GRU
    output, state = self.gru(x)

    # output shape == (batch_size * 1, hidden_size)
    output = tf.reshape(output, (-1, output.shape[2]))

    # output shape == (batch_size, vocab)
    x = self.fc(output)

    return x, state, attention_weights
decoder = Decoder(vocab_tar_size, embedding_dim, units, BATCH_SIZE)

sample_decoder_output, _, _ = decoder(tf.random.uniform((BATCH_SIZE, 1)),
                                      sample_hidden, sample_output)

print('Decoder output shape: (batch_size, vocab size)', sample_decoder_output.shape)
Decoder output shape: (batch_size, vocab size) (64, 4935)

Definieren Sie den Optimierer und die Verlustfunktion

optimizer = tf.keras.optimizers.Adam()
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True,
                                                            reduction='none')


def loss_function(real, pred):
  mask = tf.math.logical_not(tf.math.equal(real, 0))
  loss_ = loss_object(real, pred)

  mask = tf.cast(mask, dtype=loss_.dtype)
  loss_ *= mask

  return tf.reduce_mean(loss_)

Checkpoints (objektbasiertes Speichern)

checkpoint_dir = './training_checkpoints'
checkpoint_prefix = os.path.join(checkpoint_dir, "ckpt")
checkpoint = tf.train.Checkpoint(optimizer=optimizer,
                                 encoder=encoder,
                                 decoder=decoder)

Ausbildung

  1. Leiten Sie den Eingang durch den Encoder, der den Encoderausgang und den verborgenen Zustand des Encoders zurückgibt .
  2. Der Encoderausgang, der verborgene Encoderzustand und der Decodereingang (der das Starttoken ist ) werden an den Decoder übergeben.
  3. Der Decoder gibt die Vorhersagen und den verborgenen Zustand des Decoders zurück .
  4. Der verborgene Decoderzustand wird dann an das Modell zurückgegeben und die Vorhersagen werden verwendet, um den Verlust zu berechnen.
  5. Verwenden Sie die Lehrer-Forcierung , um die nächste Eingabe in den Decoder zu bestimmen.
  6. Das Erzwingen des Lehrers ist die Technik, bei der das Zielwort als nächste Eingabe an den Decoder übergeben wird.
  7. Der letzte Schritt besteht darin, die Farbverläufe zu berechnen und auf den Optimierer und die Rückausbreitung anzuwenden.
@tf.function
def train_step(inp, targ, enc_hidden):
  loss = 0

  with tf.GradientTape() as tape:
    enc_output, enc_hidden = encoder(inp, enc_hidden)

    dec_hidden = enc_hidden

    dec_input = tf.expand_dims([targ_lang.word_index['<start>']] * BATCH_SIZE, 1)

    # Teacher forcing - feeding the target as the next input
    for t in range(1, targ.shape[1]):
      # passing enc_output to the decoder
      predictions, dec_hidden, _ = decoder(dec_input, dec_hidden, enc_output)

      loss += loss_function(targ[:, t], predictions)

      # using teacher forcing
      dec_input = tf.expand_dims(targ[:, t], 1)

  batch_loss = (loss / int(targ.shape[1]))

  variables = encoder.trainable_variables + decoder.trainable_variables

  gradients = tape.gradient(loss, variables)

  optimizer.apply_gradients(zip(gradients, variables))

  return batch_loss
EPOCHS = 10

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

  enc_hidden = encoder.initialize_hidden_state()
  total_loss = 0

  for (batch, (inp, targ)) in enumerate(dataset.take(steps_per_epoch)):
    batch_loss = train_step(inp, targ, enc_hidden)
    total_loss += batch_loss

    if batch % 100 == 0:
      print(f'Epoch {epoch+1} Batch {batch} Loss {batch_loss.numpy():.4f}')
  # saving (checkpoint) the model every 2 epochs
  if (epoch + 1) % 2 == 0:
    checkpoint.save(file_prefix=checkpoint_prefix)

  print(f'Epoch {epoch+1} Loss {total_loss/steps_per_epoch:.4f}')
  print(f'Time taken for 1 epoch {time.time()-start:.2f} sec\n')
Epoch 1 Batch 0 Loss 4.6502
Epoch 1 Batch 100 Loss 2.0552
Epoch 1 Batch 200 Loss 1.7422
Epoch 1 Batch 300 Loss 1.7109
Epoch 1 Loss 2.0188
Time taken for 1 epoch 25.82 sec

Epoch 2 Batch 0 Loss 1.4892
Epoch 2 Batch 100 Loss 1.4136
Epoch 2 Batch 200 Loss 1.3366
Epoch 2 Batch 300 Loss 1.1715
Epoch 2 Loss 1.3655
Time taken for 1 epoch 15.74 sec

Epoch 3 Batch 0 Loss 0.9632
Epoch 3 Batch 100 Loss 0.9077
Epoch 3 Batch 200 Loss 0.8587
Epoch 3 Batch 300 Loss 0.8281
Epoch 3 Loss 0.9333
Time taken for 1 epoch 15.34 sec

Epoch 4 Batch 0 Loss 0.6200
Epoch 4 Batch 100 Loss 0.7250
Epoch 4 Batch 200 Loss 0.5895
Epoch 4 Batch 300 Loss 0.6464
Epoch 4 Loss 0.6215
Time taken for 1 epoch 15.63 sec

Epoch 5 Batch 0 Loss 0.3734
Epoch 5 Batch 100 Loss 0.4286
Epoch 5 Batch 200 Loss 0.4749
Epoch 5 Batch 300 Loss 0.4635
Epoch 5 Loss 0.4223
Time taken for 1 epoch 15.29 sec

Epoch 6 Batch 0 Loss 0.2264
Epoch 6 Batch 100 Loss 0.2074
Epoch 6 Batch 200 Loss 0.2380
Epoch 6 Batch 300 Loss 0.2778
Epoch 6 Loss 0.2936
Time taken for 1 epoch 15.62 sec

Epoch 7 Batch 0 Loss 0.1972
Epoch 7 Batch 100 Loss 0.1869
Epoch 7 Batch 200 Loss 0.2515
Epoch 7 Batch 300 Loss 0.2856
Epoch 7 Loss 0.2102
Time taken for 1 epoch 15.33 sec

Epoch 8 Batch 0 Loss 0.1532
Epoch 8 Batch 100 Loss 0.1566
Epoch 8 Batch 200 Loss 0.1546
Epoch 8 Batch 300 Loss 0.1840
Epoch 8 Loss 0.1573
Time taken for 1 epoch 15.61 sec

Epoch 9 Batch 0 Loss 0.1231
Epoch 9 Batch 100 Loss 0.1207
Epoch 9 Batch 200 Loss 0.1328
Epoch 9 Batch 300 Loss 0.1111
Epoch 9 Loss 0.1220
Time taken for 1 epoch 15.27 sec

Epoch 10 Batch 0 Loss 0.1158
Epoch 10 Batch 100 Loss 0.0811
Epoch 10 Batch 200 Loss 0.1011
Epoch 10 Batch 300 Loss 0.0877
Epoch 10 Loss 0.1006
Time taken for 1 epoch 15.61 sec

Übersetzen

  • Die Auswertungsfunktion ähnelt der Trainingsschleife, außer dass wir hier kein Lehrer-Forcen verwenden . Die Eingabe in den Decoder zu jedem Zeitschritt sind seine vorherigen Vorhersagen zusammen mit dem verborgenen Zustand und der Codiererausgabe.
  • Stoppen Sie die Vorhersage, wenn das Modell das End-Token vorhersagt.
  • Und speichern Sie die Aufmerksamkeitsgewichte für jeden Zeitschritt .
def evaluate(sentence):
  attention_plot = np.zeros((max_length_targ, max_length_inp))

  sentence = preprocess_sentence(sentence)

  inputs = [inp_lang.word_index[i] for i in sentence.split(' ')]
  inputs = tf.keras.preprocessing.sequence.pad_sequences([inputs],
                                                         maxlen=max_length_inp,
                                                         padding='post')
  inputs = tf.convert_to_tensor(inputs)

  result = ''

  hidden = [tf.zeros((1, units))]
  enc_out, enc_hidden = encoder(inputs, hidden)

  dec_hidden = enc_hidden
  dec_input = tf.expand_dims([targ_lang.word_index['<start>']], 0)

  for t in range(max_length_targ):
    predictions, dec_hidden, attention_weights = decoder(dec_input,
                                                         dec_hidden,
                                                         enc_out)

    # storing the attention weights to plot later on
    attention_weights = tf.reshape(attention_weights, (-1, ))
    attention_plot[t] = attention_weights.numpy()

    predicted_id = tf.argmax(predictions[0]).numpy()

    result += targ_lang.index_word[predicted_id] + ' '

    if targ_lang.index_word[predicted_id] == '<end>':
      return result, sentence, attention_plot

    # the predicted ID is fed back into the model
    dec_input = tf.expand_dims([predicted_id], 0)

  return result, sentence, attention_plot
# function for plotting the attention weights
def plot_attention(attention, sentence, predicted_sentence):
  fig = plt.figure(figsize=(10, 10))
  ax = fig.add_subplot(1, 1, 1)
  ax.matshow(attention, cmap='viridis')

  fontdict = {'fontsize': 14}

  ax.set_xticklabels([''] + sentence, fontdict=fontdict, rotation=90)
  ax.set_yticklabels([''] + predicted_sentence, fontdict=fontdict)

  ax.xaxis.set_major_locator(ticker.MultipleLocator(1))
  ax.yaxis.set_major_locator(ticker.MultipleLocator(1))

  plt.show()
def translate(sentence):
  result, sentence, attention_plot = evaluate(sentence)

  print('Input:', sentence)
  print('Predicted translation:', result)

  attention_plot = attention_plot[:len(result.split(' ')),
                                  :len(sentence.split(' '))]
  plot_attention(attention_plot, sentence.split(' '), result.split(' '))

Stellen Sie den neuesten Prüfpunkt wieder her und testen Sie ihn

# restoring the latest checkpoint in checkpoint_dir
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7f8cb8166dd8>
translate(u'hace mucho frio aqui.')
Input: <start> hace mucho frio aqui . <end>
Predicted translation: it s very cold here . <end>
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:9: UserWarning: FixedFormatter should only be used together with FixedLocator
  if __name__ == '__main__':
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:10: UserWarning: FixedFormatter should only be used together with FixedLocator
  # Remove the CWD from sys.path while we load stuff.

png

translate(u'esta es mi vida.')
Input: <start> esta es mi vida . <end>
Predicted translation: this is my life . <end>
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:9: UserWarning: FixedFormatter should only be used together with FixedLocator
  if __name__ == '__main__':
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:10: UserWarning: FixedFormatter should only be used together with FixedLocator
  # Remove the CWD from sys.path while we load stuff.

png

translate(u'¿todavia estan en casa?')
Input: <start> ¿ todavia estan en casa ? <end>
Predicted translation: are you still at home ? <end>
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:9: UserWarning: FixedFormatter should only be used together with FixedLocator
  if __name__ == '__main__':
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:10: UserWarning: FixedFormatter should only be used together with FixedLocator
  # Remove the CWD from sys.path while we load stuff.

png

# wrong translation
translate(u'trata de averiguarlo.')
Input: <start> trata de averiguarlo . <end>
Predicted translation: try to figure it out . <end>
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:9: UserWarning: FixedFormatter should only be used together with FixedLocator
  if __name__ == '__main__':
/home/kbuilder/.local/lib/python3.6/site-packages/ipykernel_launcher.py:10: UserWarning: FixedFormatter should only be used together with FixedLocator
  # Remove the CWD from sys.path while we load stuff.

png

Nächste Schritte

  • Laden Sie einen anderen Datensatz herunter , um mit Übersetzungen zu experimentieren, z. B. Englisch nach Deutsch oder Englisch nach Französisch.
  • Experimentieren Sie mit dem Training an einem größeren Datensatz oder mit mehr Epochen.