معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

CopyNet with TensorFlow 2.0

ویژگی	مقدار
سیستم عامل	-
نام فایل	copynet-tf-0.2.0
نام	copynet-tf
نسخه کتابخانه	0.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Pavan Chhatpar
ایمیل نویسنده	pavanchhatpar@gmail.com
آدرس صفحه اصلی	https://github.com/pavanchhatpar/copynet-tf
آدرس اینترنتی	https://pypi.org/project/copynet-tf/
مجوز	-

# CopyNet implementation with TensorFlow 2 - Incorporating Copying Mechanism in Sequence-to-Sequence Learning - Uses `TensorFlow 2.0` and above APIs with `tf.keras` too - Adapted from AllenNLP's PyTorch implementation, their blog referenced below was very helpful to understand the math from an implementation perspective ![Python package](https://github.com/pavanchhatpar/copynet-tf/workflows/Python%20package/badge.svg) ![Upload Python Package](https://github.com/pavanchhatpar/copynet-tf/workflows/Upload%20Python%20Package/badge.svg) ## Environment to run examples ### Setup - Copy `sample.env` to `.env` and enter appropriate values for the variables - A brief description of each is provided as a comment in that file - Post that run, ```bash ./setup-env.sh [--no-docker] ``` - Uses env file to configure project environment - Builds required docker images (if you don't wanna use Docker then pass `--no-docker` option to the `setup-env.sh` script) - Makes a python environment and installes required packages in it - Prepares an `lock.env` file. Do not edit/ delete it ### Rebuilding environment - You may change environment config in the process of development - This includes adding a new python package to requirements.txt - After changing run, ``` ./setup-env.sh [--no-docker] ``` - If you do not want Docker, then pass `--no-docker` option similar to before ### Start environment - At the end of setup script you will be shown the commands to start the environments - They are, ```bash ./start-env.sh nb # For Dockerized jupyter server ./start-env.sh bash # For Dockerized bash ``` - It is not necessary to use the `start-env.sh` script for virtualenv, the regular `source` command to activate it is enough ### Note on Dockerized environment - The dockerized environment is specifically helpful and recommended when using `GPU` - It takes care of many nuances involved in setting up CUDA. Your host machine should just have correct NVIDIA drivers and nothing else - It is recommended to run the examples in this environment to ensure all correct dependencies are met ## Run examples - Instructions to run an example are detailed in its own folders respectively ## References - Incorporating Copying Mechanism in Sequence-to-Sequence Learning: ([paper](https://arxiv.org/abs/1603.06393)) - AllenNLP implementation: ([blog](https://medium.com/@epwalsh10/incorporating-a-copy-mechanism-into-sequence-to-sequence-models-40917280b89d)) ([code](https://github.com/epwalsh/nlp-models)) - BLEU score metric: ([code](https://github.com/tensorflow/nmt/blob/master/nmt/scripts/bleu.py))

نحوه نصب

نصب پکیج whl copynet-tf-0.2.0:

pip install copynet-tf-0.2.0.whl

نصب پکیج tar.gz copynet-tf-0.2.0:

pip install copynet-tf-0.2.0.tar.gz