如何使用不同的配对语言在 Google Colab 中运行带注意力的神经机器翻译？

Question

我想在 TernsorFlow 网站提供的示例中使用不同的语言对，Google Colab 笔记本只选择西班牙语-英语 https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/text/nmt_with_attention.ipynb

我尝试更改指向从中下载的 esp-eng 数据的链接，但这没有帮助

如何在没有本地设置 colab 的情况下尝试不同的语言集，它确实在该页面的末尾提到，我可以尝试不同的语言集。

Answer 1

关于使用不同数据集的最后说明是指this website，其中包括制表符分隔的文件。

您主要需要根据您需要的zip文件的链接更改此单元格中的值。

# Download the file
path_to_zip = tf.keras.utils.get_file(
    'spa-eng.zip', origin='http://storage.googleapis.com/download.tensorflow.org/data/spa-eng.zip',
    extract=True)

path_to_file = os.path.dirname(path_to_zip)+"/spa-eng/spa.txt"

您可以尝试其他数据集：

• OPUS
• WMT

但是，在这些语料库中，源和目标位于两个单独的文件中，因此您必须调整提取对的代码，而不是 split('\t') 它应该打开两个文件并逐行获取源和目标。