Сохраните дату! Google I / O возвращается 18-20 мая Зарегистрируйтесь сейчас
Эта страница переведена с помощью Cloud Translation API.
Switch to English

Нейронный машинный перевод с вниманием

Посмотреть на TensorFlow.org Запускаем в Google Colab Посмотреть исходный код на GitHub Скачать блокнот

Этот блокнот обучает модель последовательности (seq2seq) для перевода с испанского на английский. Это продвинутый пример, который предполагает наличие некоторого знания моделей от последовательности к последовательности.

Обучив модель в этой тетради, вы сможете вводить предложения на испанском языке, например «¿todavia estan en casa?» , и верните английский перевод: "Ты все еще дома?"

Качество перевода приемлемое для игрушечного примера, но сюжет сгенерированного внимания, пожалуй, более интересен. Это показывает, какие части входного предложения привлекают внимание модели при переводе:

испанско-английский сюжет внимания

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

Загрузите и подготовьте набор данных

Мы будем использовать набор языковых данных, предоставленный http://www.manythings.org/anki/ Этот набор данных содержит пары языковых переводов в формате:

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

Доступно множество языков, но мы будем использовать англо-испанский набор данных. Для удобства мы разместили копию этого набора данных в Google Cloud, но вы также можете загрузить свою собственную копию. После загрузки набора данных мы предпримем следующие шаги для подготовки данных:

  1. Добавьте начальный и конечный токены к каждому предложению.
  2. Очистите предложения, удалив специальные символы.
  3. Создайте индекс слова и обратный индекс слова (отображение словарей из слова → id и id → word).
  4. Добавляйте каждое предложение к максимальной длине.
# 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

Ограничьте размер набора данных, чтобы экспериментировать быстрее (необязательно)

Обучение полному набору данных из> 100 000 предложений займет много времени. Чтобы обучаться быстрее, мы можем ограничить размер набора данных 30 000 предложений (конечно, качество перевода ухудшается с меньшим количеством данных):

# 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>

Создайте набор данных 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]))

Напишите модель кодировщика и декодера

Внимательно реализуйте модель кодировщика-декодера, о которой вы можете прочитать в учебнике TensorFlow Neural Machine Translation (seq2seq) . В этом примере используется более свежий набор API. В этом блокноте реализованы уравнения внимания из учебника seq2seq. На следующей диаграмме показано, что каждому входному слову механизм внимания присваивает вес, который затем используется декодером для предсказания следующего слова в предложении. Рисунок ниже и формулы являются примером механизма внимания из статьи Луонга .

механизм внимания

Входные данные проходят через модель кодировщика, которая дает нам выходные данные кодировщика формы (batch_size, max_length, hidden_size) и скрытое состояние формы кодировщика (batch_size, hidden_size) .

Вот реализованные уравнения:

уравнение внимания 0уравнение внимания 1

В этом руководстве внимание Bahdanau используется для кодировщика. Прежде чем писать упрощенную форму, определимся с обозначениями:

  • FC = Полносвязный (плотный) слой
  • EO = выход энкодера
  • H = скрытое состояние
  • X = вход в декодер

И псевдокод:

  • score = FC(tanh(FC(EO) + FC(H)))
  • attention weights = softmax(score, axis = 1) . Softmax по умолчанию применяется к последней оси, но здесь мы хотим применить его к 1-й оси , так как форма оценки (batch_size, max_length, hidden_size) . Max_length - длина нашего ввода. Поскольку мы пытаемся присвоить вес каждому входу, на этой оси следует применить softmax.
  • context vector = sum(attention weights * EO, axis = 1) . По той же причине, что и выше, для выбора оси как 1.
  • embedding output = Вход в декодер X проходит через слой встраивания.
  • merged vector = concat(embedding output, context vector)
  • Этот объединенный вектор затем передается ГРУ.

Формы всех векторов на каждом шаге указаны в комментариях в коде:

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)

Определите оптимизатор и функцию потерь

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_)

Контрольные точки (объектно-ориентированное сохранение)

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

Обучение

  1. Передайте ввод через кодировщик, который возвращает вывод кодировщика и скрытое состояние кодировщика .
  2. Выходные данные кодировщика, скрытое состояние кодировщика и вход декодера (который является стартовым токеном ) передаются декодеру.
  3. Декодер возвращает предсказания и скрытое состояние декодера .
  4. Затем скрытое состояние декодера передается обратно в модель, и прогнозы используются для расчета потерь.
  5. Используйте принудительное принуждение учителя, чтобы выбрать следующий вход для декодера.
  6. Принуждение учителя - это метод, при котором целевое слово передается в качестве следующего ввода в декодер.
  7. Последний шаг - вычислить градиенты и применить их к оптимизатору и выполнить обратное распространение.
@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

Переведите

  • Функция оценки аналогична циклу обучения, за исключением того, что здесь не используется принудительное использование учителем . Входными данными декодера на каждом временном шаге являются его предыдущие прогнозы вместе со скрытым состоянием и выходными данными кодировщика.
  • Прекратите предсказывать, когда модель предсказывает конечный токен .
  • И сохраните веса внимания для каждого временного шага .
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(' '))

Восстановите последнюю контрольную точку и протестируйте

# 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

Следующие шаги

  • Загрузите другой набор данных, чтобы поэкспериментировать с переводами, например, с английского на немецкий или с английского на французский.
  • Поэкспериментируйте с обучением на большем наборе данных или используя больше эпох.