Загрузить файлы ''
This commit is contained in:
parent
760852f176
commit
bedafe06de
64
Create_data_2.py
Normal file
64
Create_data_2.py
Normal file
@ -0,0 +1,64 @@
|
|||||||
|
# load doc into memory
|
||||||
|
def load_doc(filename):
|
||||||
|
# open the file as read only
|
||||||
|
file = open(filename, 'r')
|
||||||
|
# read all text
|
||||||
|
text = file.read()
|
||||||
|
# close the file
|
||||||
|
file.close()
|
||||||
|
return text
|
||||||
|
|
||||||
|
|
||||||
|
# save tokens to file, one dialog per line
|
||||||
|
def save_doc(lines, filename):
|
||||||
|
data = '\n'.join(lines)
|
||||||
|
file = open(filename, 'w')
|
||||||
|
file.write(data)
|
||||||
|
file.close()
|
||||||
|
|
||||||
|
|
||||||
|
# load text
|
||||||
|
raw_gen = load_doc('gen.txt')
|
||||||
|
raw_test = load_doc('test.txt')
|
||||||
|
|
||||||
|
|
||||||
|
# raw_text = load_doc('rhyme.txt')
|
||||||
|
|
||||||
|
def preparation(raw_text):
|
||||||
|
out = ""
|
||||||
|
for sim in raw_text:
|
||||||
|
|
||||||
|
if 97 <= ord(sim.lower()) <= 122 or sim.lower() == ' ' or sim.lower() == '\n':
|
||||||
|
out = out + sim.lower()
|
||||||
|
|
||||||
|
raw_text = out
|
||||||
|
|
||||||
|
# clean
|
||||||
|
tokens = raw_text.split()
|
||||||
|
raw_text = ' '.join(tokens)
|
||||||
|
|
||||||
|
# organize into sequences of characters
|
||||||
|
length = 10
|
||||||
|
sequences = list()
|
||||||
|
a, b = 0, 10
|
||||||
|
# for i in range(length, len(raw_text)):
|
||||||
|
while b <= len(raw_text):
|
||||||
|
# select sequence of tokens
|
||||||
|
seq = raw_text[a:b]
|
||||||
|
k = (b - a)
|
||||||
|
a = a + k
|
||||||
|
b = b + k
|
||||||
|
|
||||||
|
# store
|
||||||
|
sequences.append(seq)
|
||||||
|
return sequences
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
# save sequences to file
|
||||||
|
out_filename = 'gen_seq.txt'
|
||||||
|
out_filename2 = 'test_seq.txt'
|
||||||
|
|
||||||
|
|
||||||
|
save_doc(preparation(raw_gen), out_filename)
|
||||||
|
save_doc(preparation(raw_test), out_filename2)
|
55
Perplexity.py
Normal file
55
Perplexity.py
Normal file
@ -0,0 +1,55 @@
|
|||||||
|
from numpy import array
|
||||||
|
from keras.utils import to_categorical
|
||||||
|
import tensorflow as tf
|
||||||
|
|
||||||
|
|
||||||
|
# load doc into memory
|
||||||
|
def load_doc(filename):
|
||||||
|
# open the file as read only
|
||||||
|
file = open(filename, 'r')
|
||||||
|
# read all text
|
||||||
|
text = file.read()
|
||||||
|
# close the file
|
||||||
|
file.close()
|
||||||
|
return text
|
||||||
|
|
||||||
|
|
||||||
|
def input_tensor(in_filename):
|
||||||
|
raw_text = load_doc(in_filename)
|
||||||
|
lines = raw_text.split('\n')
|
||||||
|
|
||||||
|
# integer encode sequences of characters
|
||||||
|
chars = sorted(list(set(raw_text)))
|
||||||
|
mapping = dict((c, i) for i, c in enumerate(chars))
|
||||||
|
sequences = list()
|
||||||
|
|
||||||
|
for line in lines:
|
||||||
|
# integer encode line
|
||||||
|
encoded_seq = [mapping[char] for char in line]
|
||||||
|
# store
|
||||||
|
sequences.append(encoded_seq)
|
||||||
|
|
||||||
|
vocab_size = len(mapping)
|
||||||
|
print('Vocabulary Size: %d' % vocab_size)
|
||||||
|
|
||||||
|
# separate into input and output
|
||||||
|
sequences = array(sequences)
|
||||||
|
|
||||||
|
X = sequences[:, :-1]
|
||||||
|
|
||||||
|
sequences = [to_categorical(x, num_classes=vocab_size) for x in X]
|
||||||
|
|
||||||
|
X = array(sequences)
|
||||||
|
|
||||||
|
return X
|
||||||
|
|
||||||
|
|
||||||
|
Y = input_tensor('gen_seq.txt')
|
||||||
|
X = input_tensor('test_seq.txt')
|
||||||
|
|
||||||
|
Y = Y[:22, :, :24]
|
||||||
|
X = X[:22, :, :24]
|
||||||
|
cce = tf.keras.losses.CategoricalCrossentropy(tf.constant([1.]), tf.constant([0.001]))
|
||||||
|
a = cce(Y, X).numpy()
|
||||||
|
print("Cross entropy: ", a)
|
||||||
|
print("Perplexity: ", 2 ** a)
|
Loading…
Reference in New Issue
Block a user