PaddlePaddle中RNN具有多种实现方式,期望给出不同实现方式在不同场景下的性能对比。
暂时选取了LAC和LM两个任务场景,给出了各自以下方式的实现(每种实现方式都有单独对应的目录,每个目录内的内容可通过run_benchmark.sh
运行):
.
├── LAC # LAC 各种实现方式
├── dynamic_gru # LAC dynamic_gru
└── seq2seq_api_gru # LAC seq2seq_api_gru
├── LM # LM 各种实现方式
├── cudnn_lstm # LM cudnn_lstm
├── dynamic_lstm # LM dynamic_lstm
└── seq2seq_api_lstm # LM seq2seq_api_lstm
└── models # https://github.com/PaddlePaddle/models/tree/release/1.6/PaddleNLP/models
注:
- LAC训练数据见 http://wiki.baidu.com/pages/viewpage.action?pageId=919502481
- 待cudnn_gru合入Paddle后LAC加入相应的测试
- LM目前只支持单卡