Duyu/Pinyin2Hanzi-Transformer

Pinyin2Hanzi_Transformer

基于Transformer的预训练汉语拼音序列转汉字序列模型，训练数据全部采用Duyu/Pinyin-Hanzi（单击此处 跳转至数据集页面）

📖 模型概览

模型相关参数	数值
参数量	62,200,184 (62M)
可学习参数量比例	100%
Transformer编码器层数	8
Transformer解码器层数	6
词嵌入维度	512
多头注意力层注意力头数	16
Transformer前馈层维度	1024
截断长度	14

🚀 快速启动

硬件要求

模型推理： 轻量级模型，常见的家用计算机配置（8GB内存及以上）即可运行，若有NVIDIA GPU（使用CUDA）可加速。

模型训练： 可在CPU设备上运行（8GB内存及以上），但训练速度非常慢，建议使用NVIDIA GeForce RTX 2080及以上配置的加速卡GPU。

使用方法

（一）环境准备：

1. 硬件要求：如上所述
2. 依赖安装：使用的第三方库包括numpy、pandas、torch

pip install numpy pandas
# 请查看PyTorch官方文档，以进行torch的安装。

3. 下载代码（run.py）及预训练权重（pinyin2hanzi_transformer.pth）

（二）模型推理：

1. 解除主函数中use_main()的注释，增加train_main()的注释。
2. 修改use_main()中的模型文件路径及汉语拼音序列。
3. 运行代码，实现预测。

（三）模型训练：

1. 准备好适当的训练环境（带加速显卡的机器）
2. 准备数据集

• 文件格式：CSV文件。
• 第一列是汉字序列。
• 第二列是拼音序列，每个汉字对应的拼音用一个空格隔开。

3. 解除主函数中train_main()的注释，增加use_main()的注释。
4. 根据情况，修改train_main()中的各项参数。
5. 运行代码，开始训练。

🎓 项目作者

DuYu (Chinese Simplified: 杜宇, No.202103180009, [email protected]), Faculty of Computer Science and Technology, Qilu University of Technology (Shandong Academy of Sciences).

📊 访客统计

项目在GitHub平台同步开源：https://github.com/duyu09/Pinyin2Hanzi-Transformer

Number of Total Visits (All of Duyu09's GitHub Projects):

Number of Total Visits (Pinyin2Hanzi-Transformer):