论文辅助笔记：t2vec 模型部分-Toy模板网

这篇具有很好参考价值的文章主要介绍了论文辅助笔记：t2vec 模型部分。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1 t2vec.py 函数

命令行参数

data	训练、测试数据路径
`checkpoint`	保存的检查点路径
`prefix`	trjfile的前缀
`pretrained_embedding`	预训练的词(或称为单元)嵌入的路径。默认值是`None`。
`num_layers`	RNN单元中的层数。默认值是3
`bidirectional`	在编码器中是否使用双向rnn。默认值是`True`。
`hidden_size`	RNN单元中的隐藏状态大小。默认值是256。
`embedding_size`	词(或称为单元)嵌入的大小。默认值是256。
`dropout`	dropout的概率。默认值是0.2
`max_grad_norm`	最大梯度范数。默认值是5.0。
`learning_rate`	学习率。默认值是0.001
`batch`	批处理大小。默认值是128
`generator_batch`	每次生成的最大词数。数值越高，需要的内存越多。默认值是32。
`t2vec_batch`	每次在t2vec中编码的最大轨迹数。默认值是256。
`start_iteration`	开始的迭代次数。默认值是0。
`epochs`	训练的周期数。默认值是15。
`print_freq`	打印频率。默认值是50。
`save_freq`:	保存频率。默认值是1000。
`cuda`	是否使用GPU来训练模型。默认值是`True`。
`use_discriminative`	如果给定此参数，将使用判别损失。
`discriminative_w`	判别损失的权重。默认值是0.1
`criterion_name`	使用的损失函数名称。可以是NLL（负对数似然）或KLDIV（KL 散度）。默认值是`NLL`。
`knearestvocabs`	KLDIVLoss中使用的k最近的单元和距离的文件，由预处理生成，如果使用KLDIVLoss则必需。
`dist_decay_speed`	在dist2weight中距离衰减的速度。数值越小，远离的单元的权重越高。默认值是0.8。
`max_num_line`	默认值是20000000
`max_length`	目标序列的最大长度。默认值是200
`mode`	运行模式（0: 训练，1:评估，2:t2vec）。默认值是0
`vocab_size`	词汇表大小。默认值是0
`bucketsize`	训练时的桶大小。默认值是一系列的元组桶是一种策略，用于在序列长度可变的情况下处理数据。例如，假设我们有不同长度的句子，我们可能不希望为每个句子单独创建一个批处理，因为这会非常低效。桶策略是将句子放入一个接近它们长度的桶中，以尽量减少填充。