为什么我的keras LSTM模型陷入无限循环？

Question

我正在尝试构建一个小的LSTM，该LSTM可以通过在现有的Python代码上进行训练来学习编写代码（即使它是垃圾代码）。 我将几千行代码连接在一个文件中，跨越数百个文件，每个文件都以<eos>结尾，以表示“序列结束”。

例如，我的训练文件如下所示：

setup(name='Keras',
...
      ],
      packages=find_packages())
<eos>
import pyux
...
with open('api.json', 'w') as f:
    json.dump(sign, f)
<eos>

我正在使用以下单词创建令牌：

file = open(self.textfile, 'r')
filecontents = file.read()
file.close()
filecontents = filecontents.replace("\n\n", "\n")
filecontents = filecontents.replace('\n', ' \n ')
filecontents = filecontents.replace('    ', ' \t ')

text_in_words = [w for w in filecontents.split(' ') if w != '']

self._words = set(text_in_words)
    STEP = 1
    self._codelines = []
    self._next_words = []
    for i in range(0, len(text_in_words) - self.seq_length, STEP):
        self._codelines.append(text_in_words[i: i + self.seq_length])
        self._next_words.append(text_in_words[i + self.seq_length])

我的keras模型是：

model = Sequential()
model.add(Embedding(input_dim=len(self._words), output_dim=1024))

model.add(Bidirectional(
    LSTM(128), input_shape=(self.seq_length, len(self._words))))

model.add(Dropout(rate=0.5))
model.add(Dense(len(self._words)))
model.add(Activation('softmax'))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer="adam", metrics=['accuracy'])

但是，无论我训练多少，该模型似乎都不会生成<eos>甚至\\n 。 我认为这可能是因为我的LSTM大小是128而seq_length是200，但这不是很有意义吗？ 有什么我想念的吗？

Answer 1

有时，当limit for code generation没有limit for code generation或the <EOS> or <SOS> tokens are not numerical tokens LSTM从不收敛。 如果您可以发送输出或错误消息，则调试起来会容易得多。

您可以创建一个额外的类来获取单词和句子。

# tokens for start of sentence(SOS) and end of sentence(EOS)

SOS_token = 0
EOS_token = 1


class Lang:
    '''
    class for word object, storing sentences, words and word counts.
    '''
    def __init__(self, name):
        self.name = name
        self.word2index = {}
        self.word2count = {}
        self.index2word = {0: "SOS", 1: "EOS"}
        self.n_words = 2  # Count SOS and EOS

    def addSentence(self, sentence):
        for word in sentence.split(' '):
            self.addWord(word)

    def addWord(self, word):
        if word not in self.word2index:
            self.word2index[word] = self.n_words
            self.word2count[word] = 1
            self.index2word[self.n_words] = word
            self.n_words += 1
        else:
            self.word2count[word] += 1

然后，在生成文本时，只需添加<SOS>令牌即可。 您可以使用https://github.com/sherjilozair/char-rnn-tensorflow （字符级别rnn）作为参考。