BiBloSA 项目使用教程

1. 项目目录结构及介绍

BiBloSA 项目的目录结构如下：

BiBloSA/
├── context_fusion/
│   ├── interface.py
│   └── ...
├── exp_SC/
├── exp_SICK/
├── exp_SNLI/
├── exp_SQuAD_sim/
├── exp_SST/
├── exp_TREC/
├── LICENSE
├── README.md
└── ...

目录结构介绍

• context_fusion/: 包含序列编码层的通用接口，包括 Bi-directional Block Self-Attention Network (Bi-BloSAN)、Directional Self-Attention Network (DiSAN) 等。
• exp_SC/, exp_SICK/, exp_SNLI/, exp_SQuAD_sim/, exp_SST/, exp_TREC/: 这些目录包含了不同基准数据集的实验代码。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。

2. 项目启动文件介绍

BiBloSA 项目没有明确的“启动文件”，因为它的主要功能是通过实验代码来验证和使用不同的序列编码模型。每个实验目录（如 exp_SNLI/）中都有一个主脚本（如 snli_main.py），用于启动实验。

示例启动命令

python exp_SNLI/snli_main.py --network_type exp_context_fusion --log_period 100 --eval_period 500 --gpu 0 --gpu_mem 0.5 --save_model True --mode train --num_steps 10000 --train_batch_size 32 --test_batch_size 64 --word_embedding_length 300 --glove_corpus 840B --dropout 0.5 --wd 0.0001 --hidden_units_num 300 --optimizer adam --learning_rate 0.001 --context_fusion_method block --block_len 5

3. 项目配置文件介绍

BiBloSA 项目的配置主要通过命令行参数进行设置。每个实验目录中的主脚本（如 snli_main.py）会解析这些参数并进行相应的配置。

常用配置参数

• --network_type: 使用的网络类型，如 exp_context_fusion。
• --log_period: 保存日志的周期。
• --eval_period: 评估模型的周期。
• --gpu: 使用的 GPU 索引。
• --gpu_mem: GPU 内存分配比例。
• --save_model: 是否保存模型。
• --mode: 运行模式，如 train 或 test。
• --load_model: 是否加载已保存的模型。
• --model_dir_suffix: 模型目录的后缀。
• --num_steps: 训练步数。
• --train_batch_size: 训练批次大小。
• --test_batch_size: 测试批次大小。
• --word_embedding_length: 词嵌入长度。
• --glove_corpus: GloVe 语料库名称。
• --dropout: Dropout 保持概率。
• --wd: L2 正则化衰减因子。
• --hidden_units_num: 隐藏单元数量。
• --optimizer: 优化器类型，如 adam。
• --learning_rate: 初始学习率。
• --context_fusion_method: 上下文融合方法，如 block。
• --block_len: 块长度。

通过这些配置参数，用户可以灵活地调整模型的训练和评估过程。