Reserve a data! O Google I / O retorna de 18 a 20 de maio Registre-se agora
Esta página foi traduzida pela API Cloud Translation.
Switch to English

Geração de texto com um RNN

Ver 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 trabalhará com um conjunto de dados dos escritos de Shakespeare em The Unreasonable Effectiveness of Recurrent Neural Networks, de Andrej Karpathy. Dada uma sequência de caracteres desses dados ("Shakespear"), treine um modelo para prever o próximo personagem na sequência ("e"). Seqüências de texto mais longas podem ser geradas chamando o modelo repetidamente.

Este tutorial inclui código executável implementado usando tf.keras e execução rápida . A seguir está o exemplo de saída quando o modelo neste tutorial foi treinado por 30 épocas e começou 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, a modelo não sabia soletrar uma palavra em inglês, ou que as palavras eram mesmo uma unidade de texto.

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

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

Configurar

Importar TensorFlow e outras bibliotecas

import tensorflow as tf
from tensorflow.keras.layers.experimental import preprocessing

import numpy as np
import os
import time

Baixe o conjunto de dados de Shakespeare

Altere a linha a seguir para executar este 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

Leia os dados

Primeiro, olhe 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

Vectorize o texto

Antes do treinamento, você precisa converter as strings em uma representação numérica.

A camada preprocessing.StringLookup 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 a camada preprocessing.StringLookup :

ids_from_chars = preprocessing.StringLookup(
    vocabulary=list(vocab))

Ele converte tokens de formulário em IDs de caractere, preenchendo com 0 :

ids = ids_from_chars(chars)
ids
<tf.RaggedTensor [[41, 42, 43, 44, 45, 46, 47], [64, 65, 66]]>

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

chars_from_ids = tf.keras.layers.experimental.preprocessing.StringLookup(
    vocabulary=ids_from_chars.get_vocabulary(), invert=True)

Esta camada recupera os caracteres dos vetores de IDs e os retorna como umtf.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 juntar os caracteres de volta em 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 personagem, ou uma sequência de personagens, qual é o próximo personagem mais provável? Esta 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 intervalo de tempo.

Como os 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 de treinamento e metas

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

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

Portanto, divida o texto em pedaços de seq_length+1 . Por exemplo, digamos que seq_length seja 4 e nosso texto seja "Olá". A sequência de entrada seria "Inferno" e a sequência de destino "ello".

Para fazer isso, primeiro use a função tf.data.Dataset.from_tensor_slices para converter o vetor de 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([20, 49, 58, ..., 47, 10,  2])>
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 método em batch permite converter facilmente esses caracteres individuais em 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)

É mais fácil ver o que isso está acontecendo se você juntar os tokens 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 precisará de um conjunto de dados de pares (input, label) . Onde a input e o label são sequências. Em cada etapa de tempo, a entrada é o caractere atual e o rótulo é o próximo caractere.

Esta é uma função que pega 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 '

Crie lotes de treinamento

Você usou tf.data para dividir o texto em sequências 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 shapes: ((64, 100), (64, 100)), types: (tf.int64, tf.int64)>

Construa o modelo

Esta seção define o modelo como uma subclasse keras.Model (para obter detalhes, consulte Criação de novas camadas e modelos por meio de subclasses ).

Este modelo possui três camadas:

  • tf.keras.layers.Embedding : A camada de entrada. Uma tabela de pesquisa treinável que mapeará cada ID de caractere para um vetor com dimensões embedding_dim ;
  • tf.keras.layers.GRU : Um tipo de RNN com units=rnn_units tamanho units=rnn_units (você também pode usar uma camada LSTM aqui.)
  • tf.keras.layers.Dense : A camada de saída, com saídas vocab_size . Ele produz um logit para cada caractere no vocabulário. Essas são as verossimilhanças logísticas 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 o GRU um passo de tempo com a incorporação como entrada e aplica a camada densa para gerar logits que prevêem 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, 67) # (batch_size, sequence_length, vocab_size)

No exemplo acima, o comprimento da sequência da 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                  17152     
_________________________________________________________________
gru (GRU)                    multiple                  3938304   
_________________________________________________________________
dense (Dense)                multiple                  68675     
=================================================================
Total params: 4,024,131
Trainable params: 4,024,131
Non-trainable params: 0
_________________________________________________________________

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

Experimente para o primeiro exemplo do 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 caractere:

sampled_indices
array([41, 34,  7, 28, 21, 45, 11, 14, 59,  8, 15, 11,  6, 33, 44, 33,  8,
       40,  5, 39, 32, 22, 37, 14, 53,  0, 48, 22, 23, 46, 44, 58, 39, 41,
       47,  7,  6, 62, 48,  9,  2, 27, 58, 17, 26, 17,  6, 16, 36, 28, 36,
        8,  3, 23, 19, 57, 50, 51, 59, 27,  6, 12, 39,  9, 23, 29, 37, 30,
       62, 51, 63, 35, 45, 52, 18,  7, 58, 17, 53, 41, 28, 37, 10, 64, 55,
       49, 61, 45, 57, 56, 21,  0,  0,  7, 48, 27, 51, 12,  1, 49])

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'seeming man!\nOr ill-beseeming beast in seeming both!\nThou hast amazed me: by my holy order,\nI though'

Next Char Predictions:
 b"aT'NGe3?s,A3&SdS,Z$YRHW?mhHIfdrYag'&vh-\nMrCLC&BVNV, IEqjksM&:Y-IOWPvkwUelD'rCmaNW.xoiueqpG'hMk:[UNK]i"

Treine o modelo

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

Anexe um otimizador e uma função de perda

A função de perda tf.keras.losses.sparse_categorical_crossentropy padrão funciona neste caso porque é aplicada na última dimensão das previsões.

Como seu modelo retorna logits, você precisa definir o sinalizador from_logits .

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, 67)  # (batch_size, sequence_length, vocab_size)
Mean loss:         4.20401

Um modelo recém-inicializado não deve ser muito seguro de si mesmo, os logits de saída devem todos ter magnitudes semelhantes. Para confirmar isso, você pode verificar se 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 foi mal inicializado:

tf.exp(mean_loss).numpy()
66.954285

Configure o procedimento de treinamento usando o método tf.keras.Model.compile . 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 sejam 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 26ms/step - loss: 3.2441
Epoch 2/20
172/172 [==============================] - 6s 26ms/step - loss: 2.0601
Epoch 3/20
172/172 [==============================] - 5s 26ms/step - loss: 1.7388
Epoch 4/20
172/172 [==============================] - 5s 26ms/step - loss: 1.5589
Epoch 5/20
172/172 [==============================] - 5s 26ms/step - loss: 1.4484
Epoch 6/20
172/172 [==============================] - 5s 26ms/step - loss: 1.3771
Epoch 7/20
172/172 [==============================] - 5s 26ms/step - loss: 1.3199
Epoch 8/20
172/172 [==============================] - 5s 26ms/step - loss: 1.2721
Epoch 9/20
172/172 [==============================] - 5s 26ms/step - loss: 1.2302
Epoch 10/20
172/172 [==============================] - 5s 26ms/step - loss: 1.1853
Epoch 11/20
172/172 [==============================] - 5s 26ms/step - loss: 1.1447
Epoch 12/20
172/172 [==============================] - 5s 26ms/step - loss: 1.0984
Epoch 13/20
172/172 [==============================] - 5s 26ms/step - loss: 1.0547
Epoch 14/20
172/172 [==============================] - 5s 26ms/step - loss: 1.0081
Epoch 15/20
172/172 [==============================] - 5s 26ms/step - loss: 0.9530
Epoch 16/20
172/172 [==============================] - 5s 26ms/step - loss: 0.9024
Epoch 17/20
172/172 [==============================] - 6s 26ms/step - loss: 0.8471
Epoch 18/20
172/172 [==============================] - 5s 26ms/step - loss: 0.7954
Epoch 19/20
172/172 [==============================] - 6s 26ms/step - loss: 0.7426
Epoch 20/20
172/172 [==============================] - 6s 26ms/step - loss: 0.6958

Gerar texto

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

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

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

O seguinte faz uma previsão em 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 "" or "[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 "" or "[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. Olhando para o texto gerado, você verá que o modelo sabe quando capitalizar, fazer parágrafos e imita um vocabulário de escrita semelhante ao de 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:
The poxio's blows, no: bitter and call'd up Angelo.

ELBOW:
With all my heart the other through what they would were,
Or else a knee each parks of rage,
To undertake the truth of person will command.
Now, by the imjured both yield three vantage.
Now, by my state I should accuse me, and I
will make a doum with the best on the deed. 'Tis numbed glad
I break no other from her death: in arms
Between'd their hearts, and fled to sleep no greater than enemy
Where I have subjects for your death:
Therefore they fall in substitute black,--
As I, Jove large and true mine adversaries:
Make full obsenve for a quarrel or us,
Elves a quarter old. Hold, then farewell.

BENVOLIO:
In faith, be most agreed, and want that hang'd our guest?

KING RICHARD II:
Why, Buckingham, be there be with you.

LUCIO:
'Tis better ord, I follow it.

CAMILLO:
Swear you, poor soul,
O valiant point on eightee out goodness, threatening stock
Against black-parting 'love and gainsay the
extremest warrior, nays suffer as thy n 

________________________________________________________________________________

Run time: 2.4890763759613037

A coisa mais fácil que você pode fazer para melhorar os resultados é treiná-lo por mais tempo (tente 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 que o modelo gere texto mais rápido, a coisa mais fácil que você pode fazer é a geração de texto em lote. No exemplo abaixo, o modelo gera 5 saídas em aproximadamente o 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:\nGood even, my lord.\n\nGoNZALO:\nI go. Now now be gold! I mean again.\n\nROMEO:\nI warrant thee, tell me, be sure the duke and all these walls\nRichard our cadismed; prick it not.\n\nBUSHBALYHAM:\nRomeo, the next way homewible.\n\nKING EDWARD IV:\nWilt thou my son, my master is so, nor dangerous\nBy help to noble peerish; whom, and 'tis be.\n\nPOMPEY:\nWhy, but a word moreof? what do yet that seek of his prince:\nMethinks a smell my part there: where are you?\nFor he is all and make you well.\n\nLUCIO:\n\nISABELLA:\nO, weed my banners be so bold to give him o'erwook\nWhich shows me for himself; but we want them,\nBut one seven years so cries, and thus with us\nStill 'tis cartly as't, we will consumed\nWhile Hereford, and my father and thy gentle senseboly,\nWhich never lived nor rage debase more bellies 'by;\nBut I'll Clarence and the lord. How far infirmity!\nWhat, will you gave her? Phile tyree, grieve now?\nHere, merry mistracious Warwick's daughter,\nO wonder is it like to a chair with sadless indeed.\nYour fresh "
 b"ROMEO:\nPardon is in my tent these two courses of the king.\n\nNORTHUMBERLAND:\nThere on his well-said i' the world; and brick-sprain'd up\nThy great Bolingbroke days be ruled by me.\n\nLord Mayor:\nWhat good mad hat the lords of Clarence! Well a wench!\nShould a lord wader, by Adibe to't.\n\nMENENIUS:\nWell, I beseech you,\nBy charing home and you my sir were not to know.\n\nNurse:\nYour will should knock you were not weeping\nTill he hath prosper best of all prace;\nThe proud issue with her soul flish wounds and realm; in\na leaden all the very penitence, if the\npeofle sworn, I'll crave the woroneth of my true dear kinds.\n\nKING EDWARD IV:\nThen love, as it was, but most proofing and smiles,\n'Think of wine and called by Bland,\nBut such a year and aguments. I'll to my true opinion!'\nAnd thinkest serve awhile to humbly brother?\n\nKING EDWARD IV:\nSent thou draw me.\nThere is no virtue, or that hear that\nto tell us our more. But Your dun ratis and Duke of Clarence weeds.\nI will tell you would not proud-heads to stan"
 b"ROMEO:\nYour reasons are my fairly queen?\nBetter on that son should fled to seet in heaten;\nI will prove a sweeter blood in his under well;\nTo-morrow must I tell the counterfeitns:\nAgainst the early tide that we will weep,\nBut raimould by hundry fortune and flowers.\nSups, I would think up:\nMy life drowned, untimely brought\nWhen the abound son of peeresp, nob life,\nAs is the linent bunky way to sweat: alas!\nWhy should have I with our hands, now death.\nHere in your mother?\n\nSerdnever:\nBe it so, for the lurs; whose love I had guest\nWas mutind ours: sweet Kate to meet it.\n\nGLOUCESTER:\nHarp! mark me.\nI am about me: our generance take then\nyou are like to: no man but beasts he did she be\nEmburatement, look into a hell met,\nFoe, like an your quit my disposition,\nAgainst them, fought with you.\nAh, what say'st thou? Camillo, pace me, repeat:\nMany guilty clouds and not of Mine; and it\nAre come another person. My queen's husband and my soveriness\nTo bring his daughter to my sink in mide of death\nI'ed so"
 b"ROMEO:\nNay, if thy wits have all for gravenced, so husband!\nAh, I by leave, and lugh his pleasures to the fair\nShould, suck any coward as the sun.\n\nAUTOLYCUS:\nHence!\n\nFLORIZEL:\nShould I.\nGo to, a bride that he against the deed.\n\nHMORE ETWARD IV:\nWell, Clifford, tell me, how believe hed,\nAnd bid her fail that he did seem to bed,\nWho look'd for Rome is next dewivers.\n\nANHERIO:\nIf so, or at a bowling bovel? Menenius!\n\nAll:\nCall that greater say he till then be spent myself:\nbut I shall go see the lonal bub tybalt from the cause,\nAnd back'd, as when we should hear me in my cold\nPost-take of her own sword, you would susprome them,\nwife, too weak deaf, and the king post to the senate:\nAcquaint her life, against what shot fares,\nNot that in the iced for their glift enemies,\nyet, if I would entreat it folly, my rights are all\ndearly against Their and all aforements:\n'Twas more than meant to say\nthat I am going. Metum's monstrous town;\nAnd not means yet; so weep; for I intend joy,\nand when I wand to "
 b"ROMEO:\nSyop wherein, the Fater, there; and with the land\nIn soldiers ributances, was so gentleman:\nher heavens have fallen out with all the world were butcher'd.\nCome, come, King Edward to his soul of mine.\n\nKING RICHARD III:\nSandly, were there will not be distinguingly.\n\nDUKE VINCENTIO:\nI know with me: in this be steaded in the king.\n\nDUCHESS OF YORK:\nWhat he's with sweat? is it a lawd we stand alone?\n\nPedant:\nHencefactors, traitors! From Ploucester's death.\nMeantime the hope to growl she were they all,\nTrue straight from the world and all the ship special sport.\n\nBIONDELLO:\nWhy, hear you, while's a spain were as tubority?\n\nBUSHY:\nDenolaculate, a vessed gunecome a moturer?\n\nPETRUCHIO:\nWhy, I thank your wanton alteration: my manory have\nlabourer out;\nEven love, and, suppine, a vessel, ever stood doth limb.\n\nLORD ROSS:\nThe senate and your crothes slow, then in praise.\n\nISABELLA:\nI warrant him, and keep thy name; And now I mean our father's sake.\n\nPETRUCHIO:\nA man hath besied long-'janion's wi"], shape=(5,), dtype=string) 

________________________________________________________________________________

Run time: 2.3512351512908936

Exporte o gerador

Este modelo de etapa única pode ser facilmente salvo e restaurado , permitindo que você o use em qualquer lugar que um tf.saved_model seja 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 0x7f926497ff28>, because it is not built.
WARNING:absl:Found untraced functions such as gru_cell_layer_call_fn, gru_cell_layer_call_and_return_conditional_losses, gru_cell_layer_call_fn, gru_cell_layer_call_and_return_conditional_losses, gru_cell_layer_call_and_return_conditional_losses while saving (showing 5 of 5). These functions will not be directly callable after loading.
WARNING:absl:Found untraced functions such as gru_cell_layer_call_fn, gru_cell_layer_call_and_return_conditional_losses, gru_cell_layer_call_fn, gru_cell_layer_call_and_return_conditional_losses, gru_cell_layer_call_and_return_conditional_losses while saving (showing 5 of 5). 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"))
WARNING:tensorflow:5 out of the last 5 calls to <function recreate_function.<locals>.restored_function_body at 0x7f91e02ac730> triggered tf.function retracing. Tracing is expensive and the excessive number of tracings could be due to (1) creating @tf.function repeatedly in a loop, (2) passing tensors with different shapes, (3) passing Python objects instead of tensors. For (1), please define your @tf.function outside of the loop. For (2), @tf.function has experimental_relax_shapes=True option that relaxes argument shapes that can avoid unnecessary retracing. For (3), please refer to https://www.tensorflow.org/guide/function#controlling_retracing and https://www.tensorflow.org/api_docs/python/tf/function for  more details.
WARNING:tensorflow:5 out of the last 5 calls to <function recreate_function.<locals>.restored_function_body at 0x7f91e02ac730> triggered tf.function retracing. Tracing is expensive and the excessive number of tracings could be due to (1) creating @tf.function repeatedly in a loop, (2) passing tensors with different shapes, (3) passing Python objects instead of tensors. For (1), please define your @tf.function outside of the loop. For (2), @tf.function has experimental_relax_shapes=True option that relaxes argument shapes that can avoid unnecessary retracing. For (3), please refer to https://www.tensorflow.org/guide/function#controlling_retracing and https://www.tensorflow.org/api_docs/python/tf/function for  more details.
WARNING:tensorflow:6 out of the last 6 calls to <function recreate_function.<locals>.restored_function_body at 0x7f91e02ac730> triggered tf.function retracing. Tracing is expensive and the excessive number of tracings could be due to (1) creating @tf.function repeatedly in a loop, (2) passing tensors with different shapes, (3) passing Python objects instead of tensors. For (1), please define your @tf.function outside of the loop. For (2), @tf.function has experimental_relax_shapes=True option that relaxes argument shapes that can avoid unnecessary retracing. For (3), please refer to https://www.tensorflow.org/guide/function#controlling_retracing and https://www.tensorflow.org/api_docs/python/tf/function for  more details.
WARNING:tensorflow:6 out of the last 6 calls to <function recreate_function.<locals>.restored_function_body at 0x7f91e02ac730> triggered tf.function retracing. Tracing is expensive and the excessive number of tracings could be due to (1) creating @tf.function repeatedly in a loop, (2) passing tensors with different shapes, (3) passing Python objects instead of tensors. For (1), please define your @tf.function outside of the loop. For (2), @tf.function has experimental_relax_shapes=True option that relaxes argument shapes that can avoid unnecessary retracing. For (3), please refer to https://www.tensorflow.org/guide/function#controlling_retracing and https://www.tensorflow.org/api_docs/python/tf/function for  more details.
ROMEO:

HERMIONE:
Why, what man? and say you will.

WARWICK:
It will be safer than thee, and next be debt:

Avançado: Treinamento Personalizado

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

Agora que você viu como executar o modelo manualmente, implementará o loop de treinamento. Isso fornece um ponto de partida se, por exemplo, você deseja implementar o aprendizado do currículo para ajudar a estabilizar a saída de malha aberta do modelo.

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

Usetf.GradientTape para rastrear os gradientes. Você pode aprender mais sobre essa abordagem lendo o guia de execução ansiosa .

O procedimento básico é:

  1. Execute o modelo e calcule a perda em umtf.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 implementação acima do método train_step segue as convenções train_step Keras . 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 [==============================] - 16s 81ms/step - loss: 2.7281
<tensorflow.python.keras.callbacks.History at 0x7f918c6fb400>

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 2.1604
Epoch 1 Batch 50 Loss 2.0819
Epoch 1 Batch 100 Loss 2.0088
Epoch 1 Batch 150 Loss 1.9042

Epoch 1 Loss: 2.0039
Time taken for 1 epoch 15.29 sec
________________________________________________________________________________
Epoch 2 Batch 0 Loss 1.8115
Epoch 2 Batch 50 Loss 1.7712
Epoch 2 Batch 100 Loss 1.6842
Epoch 2 Batch 150 Loss 1.6678

Epoch 2 Loss: 1.7288
Time taken for 1 epoch 14.73 sec
________________________________________________________________________________
Epoch 3 Batch 0 Loss 1.5976
Epoch 3 Batch 50 Loss 1.6310
Epoch 3 Batch 100 Loss 1.5008
Epoch 3 Batch 150 Loss 1.5508

Epoch 3 Loss: 1.5654
Time taken for 1 epoch 14.79 sec
________________________________________________________________________________
Epoch 4 Batch 0 Loss 1.5221
Epoch 4 Batch 50 Loss 1.4466
Epoch 4 Batch 100 Loss 1.4530
Epoch 4 Batch 150 Loss 1.4677

Epoch 4 Loss: 1.4635
Time taken for 1 epoch 14.78 sec
________________________________________________________________________________
Epoch 5 Batch 0 Loss 1.4302
Epoch 5 Batch 50 Loss 1.4034
Epoch 5 Batch 100 Loss 1.4557
Epoch 5 Batch 150 Loss 1.4137

Epoch 5 Loss: 1.3943
Time taken for 1 epoch 15.19 sec
________________________________________________________________________________
Epoch 6 Batch 0 Loss 1.3380
Epoch 6 Batch 50 Loss 1.3404
Epoch 6 Batch 100 Loss 1.3174
Epoch 6 Batch 150 Loss 1.3430

Epoch 6 Loss: 1.3400
Time taken for 1 epoch 15.05 sec
________________________________________________________________________________
Epoch 7 Batch 0 Loss 1.3027
Epoch 7 Batch 50 Loss 1.3185
Epoch 7 Batch 100 Loss 1.2899
Epoch 7 Batch 150 Loss 1.2744

Epoch 7 Loss: 1.2955
Time taken for 1 epoch 15.01 sec
________________________________________________________________________________
Epoch 8 Batch 0 Loss 1.1957
Epoch 8 Batch 50 Loss 1.2315
Epoch 8 Batch 100 Loss 1.2380
Epoch 8 Batch 150 Loss 1.2457

Epoch 8 Loss: 1.2549
Time taken for 1 epoch 15.05 sec
________________________________________________________________________________
Epoch 9 Batch 0 Loss 1.2290
Epoch 9 Batch 50 Loss 1.2181
Epoch 9 Batch 100 Loss 1.1872
Epoch 9 Batch 150 Loss 1.2097

Epoch 9 Loss: 1.2160
Time taken for 1 epoch 14.81 sec
________________________________________________________________________________
Epoch 10 Batch 0 Loss 1.1551
Epoch 10 Batch 50 Loss 1.1808
Epoch 10 Batch 100 Loss 1.1605
Epoch 10 Batch 150 Loss 1.1976

Epoch 10 Loss: 1.1772
Time taken for 1 epoch 15.23 sec
________________________________________________________________________________