Cette page a été traduite par l'API Cloud Translation.
Switch to English

Traduction automatique neuronale avec attention

Voir sur TensorFlow.org Exécuter dans Google Colab Afficher la source sur GitHub Télécharger le cahier

Ce bloc-notes entraîne un modèle séquence à séquence (seq2seq) pour la traduction de l'espagnol vers l'anglais. Il s'agit d'un exemple avancé qui suppose une certaine connaissance des modèles de séquence à séquence.

Après avoir formé le modèle dans ce cahier, vous serez en mesure de saisir une phrase en espagnol, telle que "¿todavia estan en casa?" , et renvoyez la traduction anglaise: "êtes-vous toujours à la maison?"

La qualité de la traduction est raisonnable pour un exemple de jouet, mais le graphique d'attention généré est peut-être plus intéressant. Cela montre quelles parties de la phrase d'entrée ont l'attention du modèle lors de la traduction:

tracé d'attention espagnol-anglais

 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
 

Téléchargez et préparez le jeu de données

Nous utiliserons un ensemble de données linguistiques fourni par http://www.manythings.org/anki/ Cet ensemble de données contient des paires de traductions linguistiques au format:

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

Il existe une variété de langues disponibles, mais nous utiliserons l'ensemble de données anglais-espagnol. Pour plus de commodité, nous avons hébergé une copie de cet ensemble de données sur Google Cloud, mais vous pouvez également télécharger votre propre copie. Après avoir téléchargé l'ensemble de données, voici les étapes que nous prendrons pour préparer les données:

  1. Ajoutez un jeton de début et de fin à chaque phrase.
  2. Nettoyez les phrases en supprimant les caractères spéciaux.
  3. Créez un index de mots et un index de mots inversé (mappage de dictionnaires de mot → id et id → mot).
  4. Remplissez chaque phrase à une longueur maximale.
 # 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 l.split('\t')]  for l 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
 

Limitez la taille de l'ensemble de données pour expérimenter plus rapidement (facultatif)

La formation sur l'ensemble de données complet de plus de 100 000 phrases prendra beaucoup de temps. Pour s'entraîner plus rapidement, nous pouvons limiter la taille de l'ensemble de données à 30000 phrases (bien sûr, la qualité de la traduction se dégrade avec moins de données):

 # 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 ("%d ----> %s" % (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>
4 ----> tom
42 ----> tiene
2344 ----> tos
3 ----> .
2 ----> <end>

Target Language; index to word mapping
1 ----> <start>
5 ----> tom
51 ----> has
9 ----> a
1554 ----> cough
3 ----> .
2 ----> <end>

Créer un ensemble de données tf.data

 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]))

Ecrire le modèle d'encodeur et de décodeur

Implémentez avec attention un modèle encodeur-décodeur que vous pouvez lire dans le didacticiel TensorFlow Neural Machine Translation (seq2seq) . Cet exemple utilise un ensemble d'API plus récent. Ce cahier implémente les équations d'attention du tutoriel seq2seq. Le diagramme suivant montre que chaque mot d'entrée se voit attribuer un poids par le mécanisme d'attention qui est ensuite utilisé par le décodeur pour prédire le mot suivant dans la phrase. L'image et les formules ci-dessous sont un exemple de mécanisme d'attention tiré de l'article de Luong .

mécanisme d'attention

L'entrée est soumise à un modèle d'encodeur qui nous donne la sortie de l'encodeur de forme (batch_size, max_length, hidden_size) et l'état de forme caché de l'encodeur (batch_size, hidden_size) .

Voici les équations qui sont implémentées:

équation d'attention 0attention équation 1

Ce tutoriel utilise l' attention de Bahdanau pour l'encodeur. Décidons de la notation avant d'écrire la forme simplifiée:

  • FC = couche entièrement connectée (dense)
  • EO = sortie codeur
  • H = état caché
  • X = entrée du décodeur

Et le pseudo-code:

  • score = FC(tanh(FC(EO) + FC(H)))
  • attention weights = softmax(score, axis = 1) . Softmax par défaut est appliqué sur le dernier axe mais ici nous voulons l'appliquer sur le 1er axe , puisque la forme du score est (batch_size, max_length, hidden_size) . Max_length est la longueur de notre entrée. Puisque nous essayons d'attribuer un poids à chaque entrée, softmax doit être appliqué sur cet axe.
  • context vector = sum(attention weights * EO, axis = 1) . Même raison que ci-dessus pour choisir l'axe 1.
  • embedding output = L'entrée du décodeur X passe par une couche d'incorporation.
  • merged vector = concat(embedding output, context vector)
  • Ce vecteur fusionné est ensuite donné au GRU

Les formes de tous les vecteurs à chaque étape ont été précisées dans les commentaires du code:

 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) {}'.format(sample_output.shape))
print ('Encoder Hidden state shape: (batch size, units) {}'.format(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) {}".format(attention_result.shape))
print("Attention weights shape: (batch_size, sequence_length, 1) {}".format(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) {}'.format(sample_decoder_output.shape))
 
Decoder output shape: (batch_size, vocab size) (64, 4935)

Définir l'optimiseur et la fonction de perte

 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_)
 

Points de contrôle (enregistrement basé sur les objets)

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

Formation

  1. Passez l' entrée à travers le codeur qui renvoie la sortie du codeur et l' état caché du codeur .
  2. La sortie du codeur, l'état caché du codeur et l'entrée du décodeur (qui est le jeton de démarrage ) sont transmis au décodeur.
  3. Le décodeur renvoie les prédictions et l' état caché du décodeur .
  4. L'état caché du décodeur est ensuite renvoyé dans le modèle et les prédictions sont utilisées pour calculer la perte.
  5. Utilisez le forçage de l'enseignant pour décider de la prochaine entrée du décodeur.
  6. Le forçage par l'enseignant est la technique par laquelle le mot cible est transmis comme entrée suivante au décodeur.
  7. La dernière étape consiste à calculer les dégradés et à les appliquer à l'optimiseur et à les rétropropropager.
 @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('Epoch {} Batch {} Loss {:.4f}'.format(epoch + 1,
                                                   batch,
                                                   batch_loss.numpy()))
  # saving (checkpoint) the model every 2 epochs
  if (epoch + 1) % 2 == 0:
    checkpoint.save(file_prefix = checkpoint_prefix)

  print('Epoch {} Loss {:.4f}'.format(epoch + 1,
                                      total_loss / steps_per_epoch))
  print('Time taken for 1 epoch {} sec\n'.format(time.time() - start))
 
Epoch 1 Batch 0 Loss 4.4937
Epoch 1 Batch 100 Loss 2.3472
Epoch 1 Batch 200 Loss 1.9153
Epoch 1 Batch 300 Loss 1.8042
Epoch 1 Loss 2.0265
Time taken for 1 epoch 27.345187664031982 sec

Epoch 2 Batch 0 Loss 1.5260
Epoch 2 Batch 100 Loss 1.5228
Epoch 2 Batch 200 Loss 1.3840
Epoch 2 Batch 300 Loss 1.3131
Epoch 2 Loss 1.3900
Time taken for 1 epoch 15.777411222457886 sec

Epoch 3 Batch 0 Loss 1.0458
Epoch 3 Batch 100 Loss 0.9216
Epoch 3 Batch 200 Loss 0.9254
Epoch 3 Batch 300 Loss 0.9041
Epoch 3 Loss 0.9699
Time taken for 1 epoch 15.391497373580933 sec

Epoch 4 Batch 0 Loss 0.7582
Epoch 4 Batch 100 Loss 0.7201
Epoch 4 Batch 200 Loss 0.6765
Epoch 4 Batch 300 Loss 0.6696
Epoch 4 Loss 0.6555
Time taken for 1 epoch 15.782341480255127 sec

Epoch 5 Batch 0 Loss 0.3534
Epoch 5 Batch 100 Loss 0.4191
Epoch 5 Batch 200 Loss 0.5322
Epoch 5 Batch 300 Loss 0.4767
Epoch 5 Loss 0.4494
Time taken for 1 epoch 15.508086204528809 sec

Epoch 6 Batch 0 Loss 0.2508
Epoch 6 Batch 100 Loss 0.3366
Epoch 6 Batch 200 Loss 0.2935
Epoch 6 Batch 300 Loss 0.3432
Epoch 6 Loss 0.3137
Time taken for 1 epoch 15.811218738555908 sec

Epoch 7 Batch 0 Loss 0.1759
Epoch 7 Batch 100 Loss 0.1997
Epoch 7 Batch 200 Loss 0.2879
Epoch 7 Batch 300 Loss 0.2643
Epoch 7 Loss 0.2257
Time taken for 1 epoch 15.454826831817627 sec

Epoch 8 Batch 0 Loss 0.1318
Epoch 8 Batch 100 Loss 0.1151
Epoch 8 Batch 200 Loss 0.2130
Epoch 8 Batch 300 Loss 0.1852
Epoch 8 Loss 0.1712
Time taken for 1 epoch 15.786991596221924 sec

Epoch 9 Batch 0 Loss 0.0876
Epoch 9 Batch 100 Loss 0.1227
Epoch 9 Batch 200 Loss 0.1361
Epoch 9 Batch 300 Loss 0.1682
Epoch 9 Loss 0.1328
Time taken for 1 epoch 15.443743467330933 sec

Epoch 10 Batch 0 Loss 0.1048
Epoch 10 Batch 100 Loss 0.0736
Epoch 10 Batch 200 Loss 0.1056
Epoch 10 Batch 300 Loss 0.1204
Epoch 10 Loss 0.1074
Time taken for 1 epoch 15.615742683410645 sec


Traduire

  • La fonction d'évaluation est similaire à la boucle d'apprentissage, sauf que nous n'utilisons pas le forçage de l'enseignant ici. L'entrée du décodeur à chaque pas de temps est ses prédictions précédentes avec l'état caché et la sortie du codeur.
  • Arrêtez de prédire quand le modèle prédit le jeton de fin .
  • Et stockez les poids d'attention pour chaque pas de temps .
 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: %s' % (sentence))
  print('Predicted translation: {}'.format(result))

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

Restaurez le dernier point de contrôle et testez

 # restoring the latest checkpoint in checkpoint_dir
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
 
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7ff366a4bcc0>
 translate(u'hace mucho frio aqui.')
 
Input: <start> hace mucho frio aqui . <end>
Predicted translation: it s very cold here . <end> 

png

 translate(u'esta es mi vida.')
 
Input: <start> esta es mi vida . <end>
Predicted translation: this is my life . <end> 

png

 translate(u'¿todavia estan en casa?')
 
Input: <start> ¿ todavia estan en casa ? <end>
Predicted translation: are you still at home ? <end> 

png

 # wrong translation
translate(u'trata de averiguarlo.')
 
Input: <start> trata de averiguarlo . <end>
Predicted translation: try to figure it out . <end> 

png

Prochaines étapes

  • Téléchargez un autre jeu de données pour expérimenter des traductions, par exemple de l'anglais vers l'allemand ou de l'anglais vers le français.
  • Expérimentez avec la formation sur un plus grand ensemble de données ou en utilisant plus d'époques