|
--- |
|
license: apache-2.0 |
|
datasets: |
|
- Duyu/Pinyin-Hanzi |
|
language: |
|
- zh |
|
pipeline_tag: text2text-generation |
|
--- |
|
|
|
# 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](https://huggingface.co/datasets/Duyu/Pinyin-Hanzi) 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` |
|
|
|
```bash |
|
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 |
|
|
|
<div><b>Number of Total Visits (All of Duyu09's GitHub Projects): </b><br><img src="https://profile-counter.glitch.me/duyu09/count.svg" /></div> |
|
|
|
<div><b>Number of Total Visits (Pinyin2Hanzi-Transformer): </b> |
|
<br><img src="https://profile-counter.glitch.me/duyu09-Pinyin2Hanzi-Transformer/count.svg" /></div> |
|
|
|
|
|
|
