论文辅助笔记：t2vec 模型部分

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。

2 train t2vec （mode 0）

几个注意事项：

numpy 版本不能过高 1.23以下

原github给的vocab_size有点问题，调整到20000就好了

3 evaluate mode 1