首页
/ 神经网络与乔姆斯基层次结构项目教程

神经网络与乔姆斯基层次结构项目教程

2024-09-12 09:40:43作者:傅爽业Veleda

1. 项目目录结构及介绍

neural_networks_chomsky_hierarchy/
├── models/
│   ├── ndstack_rnn.py
│   ├── rnn.py
│   ├── stack_rnn.py
│   ├── tape_rnn.py
│   └── transformer.py
├── tasks/
│   ├── cs/
│   ├── dcf/
│   ├── regular/
│   └── task.py
├── experiments/
│   ├── constants.py
│   ├── curriculum.py
│   ├── example.py
│   ├── range_evaluation.py
│   ├── training.py
│   └── utils.py
├── README.md
└── requirements.txt

目录结构介绍

  • models/: 包含各种神经网络模型的实现,如RNN、Stack-RNN、Tape-RNN和Transformer。
  • tasks/: 包含不同层次的任务,如上下文敏感任务(cs)、确定性上下文无关任务(dcf)和正则任务(regular)。task.py 定义了抽象的 GeneralizationTask 类。
  • experiments/: 包含实验相关的代码,如训练常量、训练课程、训练脚本、评估循环和实用函数。
  • README.md: 项目的介绍和使用说明。
  • requirements.txt: 项目依赖的Python包列表。

2. 项目启动文件介绍

项目的启动文件是 experiments/example.py。这个文件提供了一个示例,展示了如何训练和评估一个RNN在Even Pairs任务上的表现。

启动文件内容

# experiments/example.py

# 导入必要的模块
from experiments.training import train_and_evaluate
from tasks.regular.even_pairs import EvenPairsTask
from models.rnn import RNN

# 定义任务和模型
task = EvenPairsTask()
model = RNN(hidden_size=64)

# 训练和评估模型
train_and_evaluate(task, model)

使用方法

  1. 确保已经安装了所有依赖项。
  2. 激活conda环境并设置PYTHONPATH
  3. 运行以下命令启动示例训练和评估:
python experiments/example.py

3. 项目的配置文件介绍

项目的配置文件主要是 experiments/constants.py,它定义了训练和评估过程中使用的常量。

配置文件内容

# experiments/constants.py

# 训练常量
BATCH_SIZE = 32
LEARNING_RATE = 0.001
NUM_EPOCHS = 100

# 评估常量
EVAL_BATCH_SIZE = 64
EVAL_INTERVAL = 10

配置文件说明

  • BATCH_SIZE: 训练时的批次大小。
  • LEARNING_RATE: 优化器的学习率。
  • NUM_EPOCHS: 训练的总轮数。
  • EVAL_BATCH_SIZE: 评估时的批次大小。
  • EVAL_INTERVAL: 评估间隔,即每训练多少轮进行一次评估。

通过修改这些常量,可以调整训练和评估的行为。

登录后查看全文
热门项目推荐