今天用了定闹钟的场景语料，在plato框架尝试了端到端的模型。

本文先记录英文的训练过程，然后记录中文的训练过程。

训练端到端的模型

发现使用英文的模型，还是显示有中文，所以，新建目录，重新训练

1. 用英文训练模型

工作目录：

xuehp@haomeiya002:~/git/plato-0224$

注意

metalwoz.json 和 metalwoz.hdf5 ，自动生成这2个文件

1.1. 准备文件

数据文件

metalwoz.csv

模型定义文件

metalWOZ_seq2seq_ludwig.yaml

定义了输入输出的特征

运行加载文件

metalwoz_text.yaml

运行Agent时使用，定义了模型的路径

1.2. 训练模型

ludwig train \

       --data_csv data/metalwoz.csv \

       --model_definition_file metalWOZ_seq2seq_ludwig.yaml \

       --output_directory "models/joint_models/"

训练完毕

1.3. 使用模型

plato run --config metalwoz_text.yaml

看样子是可以运行起来的。

接下来使用中文语料进行训练

2. 用中文训练模型

工作目录：

xuehp@haomeiya002:~/git/plato-0223$

注意

metalwoz.json 和 metalwoz.hdf5 ，自动生成这2个文件

2.1. 准备文件

工作目录：

xuehp@haomeiya002:~/git/plato-0223$

数据文件

INSURANCE_zh_seg.txt

这是翻译成中文的语料文件

已分词的对话语料文件

模型定义文件

metalWOZ_seq2seq_ludwig.yaml

定义了输入输出的特征

运行加载文件

metalwoz_text.yaml

运行Agent时使用，定义了模型的路径

2.2. 处理文件

分词，将中文的语料文件进行分词

解析，将txt文件解析为csv文件

定义配置文件

Parse_MetalWOZ.yaml

执行转换

plato parse --config Parse_MetalWOZ.yaml

解析之后的文件在data/metalwoz.csv

2.3. 训练模型

ludwig train \

       --data_csv data/metalwoz.csv \

       --model_definition_file metalWOZ_seq2seq_ludwig.yaml \

       --output_directory "models/joint_models/"

训练完毕

2.4. 使用模型

plato run --config metalwoz_text.yaml

巴特西

学习笔记（26）- plato-端到端模型-定闹钟

1. 用英文训练模型

1.1. 准备文件

1.2. 训练模型

1.3. 使用模型

2. 用中文训练模型

2.1. 准备文件

2.2. 处理文件

2.3. 训练模型

2.4. 使用模型

最新文章

热门文章