tensorflow(十二）利用seq2seq的Decoder-Encoder机制实现序列生成模型（下）

本文为利用seq2seq实现单词序列转换的代码，开发环境为jupyter，tensorflow版本为1.2.1
实验数据和程序文件见链接：https://pan.baidu.com/s/1YDkaQFvWuKN8KAT1aQ4Z0A

一、预处理

1、引入必要的包

打开source和target两个txt文件，并打印前十个数据

2、数据预处理

这个阶段主要对每个字母映射为唯一不同的数字

查看转换后的结果，可见每个字母都被映射为唯一的数字。

3、获取输入

4、定义Encoder层

5、定义decoder层输入

6、定义decoder层

'''
这里注意：如果tensorflow版本低于1.2.1，需要将 training_decoder_output, _,_ 和predicting_decoder_output, _,_分别改成training_decoder_output, _和predicting_decoder_output, _,_
原因是因为1.2.1版本中 tf.contrib.seq2seq.dynamic_decode（）函数返回三个参数。而低于1.2.1版本则只返回两个参数。
'''

二、定义seq2seq模型

7、模型定义

8、定义超参数

9、构造graph

10、对batch中的序列进行补全

11、定义生成器，用来获取batch

12、训练并保存模型

13、训练过程如下图所示：

三、测试

14、对源数据进行转换

15、测试图片：

16、最终的输出结果为：