nmt-keras, 带 Keras ( theano/tensorflow )的神经机器翻译 nmt-keras 基于 Keras ( Theano和 Tensorflow )的神经机器。库文档：nmt-keras.readthedocs.io基于的注意递归神经网络 NMT 变压器NMT模型

nmt-keras, 带 Keras ( theano/tensorflow )的神经机器翻译 nmt-keras 基于 Keras ( Theano和 Tensorflow )的神经机器。库文档：nmt-keras.readthedocs.io基于的注意递归神经网络 NMT 变压器NMT模型

Keras注意层 版本 TensorFlow：1.15.0（已测试） TensorFlow：2.0（由于所有后端功能在TF 2.0中都可用，因此应该易于移植。但是尚未经过测试。） 介绍 这是Attention的实现（目前仅支持 ） 项目结构 data (Download data and place it here) |--- small_vocab_en.txt |--- small_vocab_fr.txt layers |--- attention.py (Attention im

NMT-凯拉斯 Keras的神经机器翻译。 图书馆文件： 注意递归神经网络NMT模型 变压器NMT模型 功能（除了完整的Keras宇宙外）：。 :red_exclamation_mark: 多GPU训练（仅适用于Tensorflow）。 。 。 在线学习和交互式神经机器翻译（INMT）。 请参阅。 注释输入序列上的注意力模型。 支持 注意机制。 还支持双重随机注意（来自公式14） 偷看的解码器：先前生成的字是当前时间步的输入。 波束搜索解码。 集成解码（ ）。 具有长

:red_heart: 适用于NLP的深度学习架构 该存储库包含一些针对NLP的深度学习架构的Keras，PyTorch和NumPy实现。 有关NLP深度学习的快速理论介绍，我建议您阅读我的。 PyTorch中的神经机器翻译（NMT） 经典seq2seq模型“基于注意力的神经机器翻译的有效方法” （ ）的紧凑，功能齐全且备受好评的PyTorch实现，并支持该方法第3.1小节中介绍的三种全球注意力机制论文：（1）点，（2）常规和（3）concat，以及堆叠与非堆叠RNN编码器和解码器，以及双