seq2seq通用编码器&解码器框架
seq2seq 是 Google 开源的一款用于 TensorFlow 的通用编码器&解码器框架(encoder-decoder framework),可用于机器翻译、文本摘要、会话建模、图像描述等。
设计目标/特性
-
通用性:Google 最初为机器翻译开发了这个框架,但是后来用于各种其他任务,包括摘要、会话建模和图像描述。只要你的问题可以以一种格式编码输入数据,并解码为另一种格式,你应该能够使用或扩展这个框架。
-
可用性:你可以使用单行命令训练模型。支持多种类型的输入数据,包括标准的原始文本。
-
再现性:使用 YAML 文件配置训练流程和模型。这也允许其他人运行和你完全相同的模型配置。
-
可扩展性:代码以模块化的方式构建,并且易于拓展。例如,添加新类型的注意机制或编码器架构仅需要最少量的代码即可修改。
-
文档:所有代码都使用标准的 Python docstrings 记录,有书面指南帮助开始执行常见任务。
-
良好的性能:为了使代码足够简洁,没有试图榨干所有性能,但是实现速度已足以涵盖几乎所有的生产和研究用例。tf-seq2seq 还支持分布式训练,从而折中计算能力和训练时间。
评论
cjson适用于 Python 的快速 JSON 编码器/解码器
python-cjson 是一个适用于 Python 的快速 JSON 编码器/解码器。JSON代表
cjson适用于 Python 的快速 JSON 编码器/解码器
0
cjson适用于 Python 的快速 JSON 编码器/解码器
python-cjson 是一个适用于Python的快速JSON编码器/解码器。JSON代表JavaScriptObjectNotation,它是一种基于文本的轻量级数据交换格式,易于人类读取/写入以
cjson适用于 Python 的快速 JSON 编码器/解码器
0
通用信息系统框架
通用信息系统框架诞生的目的,是帮助企业开发信息系统之初快速搭建起系统基本框架,可以节省精力财力和时间,加快开发进度。通用信息系统框架包括服务端和客户端两个部分,其中服务端部分完成了整合Spring+S
通用信息系统框架
0