实现Google神经网络机器翻译NMT走过的坑

  机器翻译作为自动翻译语言之间的任务，是机器学习社区中最活跃的研究领域之一。在机器翻译的众多方法中，序列到序列（“seq2seq”）模型最近取得了巨大的成功，并已成为大多数商业翻译系统中的标准。然而，虽然seq2seq模型（如OpenNMT或tf-seq2seq）上有大量的材料，但是缺乏教学人员知识和技能的材料，可以轻松构建高质量的翻译系统。
  谷歌团队在GitHub上宣布一个新的神经机器翻译（NMT）教程，让读者能够充分了解seq2seq模型，并展示如何从零开始构建翻译模型。
  本文将对nmt实现过程进行一个说明（其实也是自己遇到的一些坑吧）。
  nmt工程下载的地址可以点击这里nmt。英语不好的同学，可以建议参考这个链接万字「全文」详解谷歌神经网络机器翻译NMT，这篇文章对google发布的nmt中README进行了详细的解释和说明。英语好的同学，还是建议参考原始的README和google在github上上传的nmt工程，issues模块对调试过程中出现的问题有很大的指导和帮助（本人在调试中出现的问题很多都是在这个模块中得到了解答）。
  我实现nmt的环境是windows+python3.6+最新版的tensorflow(建议升级到当前最新版本，低版本可能会出现问题)。
  首先CMD+R进入命令行界面，进入到包含nmt文件夹和READE.md的目录下，然后按README中训练的过程运行：
  mkdir /nmt/nmt_model
  这个过程是我调试过程中遇到最大的坑，报错的原因我猜测是README中运行参数中指定的训练语料的路径，与工程中的数据不一致，造成找不到训练语料的。然后我在这个链接下语料，把README中的vo