def main(text, checkpoint_path):
q_vocabutil = VocabUtil("./data/xhj_q.vocab")
a_vocabutil = VocabUtil("./data/xhj_a.vocab")
tf.reset_default_graph()
# 定义训练用的循环神经网络模型。
with tf.variable_scope("nmt_model", reuse=None):
model = NMTModel()
print(datetime.now(), text)
# 根据词汇表，将测试句子转为ids。
text_ids = q_vocabutil.get_ids_word(text)
print(datetime.now(), text_ids)
# 建立解码所需的计算图。
output_op = model.inference(text_ids)
sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, checkpoint_path)
# 读取翻译结果。
output_ids = sess.run(output_op)
print(datetime.now(), output_ids)
output_text = a_vocabutil.get_text(output_ids)
# 输出翻译结果。
print(datetime.now(), output_text)
sess.close()
def get_answer(text_ids, checkpoint_path):
# print("input ids", text_ids)
tf.reset_default_graph()
# 定义训练用的循环神经网络模型。
with tf.variable_scope("nmt_model", reuse=None):
model = NMTModel()
#0:00:00.050704from datetime import datetime
# 建立解码所需的计算图。
t=datetime.now()
output_op = model.inference(text_ids)
print(datetime.now()-t)
sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, checkpoint_path)
#0:00:01.142495
# 读取翻译结果。
output_ids = sess.run(output_op)
# print("output ids:", output_ids)
sess.close()
return output_ids
def get_answer(text_ids, checkpoint_path):
tf.reset_default_graph()
with tf.variable_scope("nmt_model", reuse=None):
model = NMTModel()
output_op = model.inference(text_ids)
sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, checkpoint_path)
output_ids = sess.run(output_op)
sess.close()
return output_ids
def __init__(self, vocabfile, checkpoint_path):
self.vocabutil = VocabUtil(vocabfile)
tf.reset_default_graph()
# 定义训练用的循环神经网络模型。
with tf.variable_scope("nmt_model", reuse=tf.AUTO_REUSE):
self.model = NMTModel()
# 建立解码所需的计算图。
text_ids = self.vocabutil.get_ids_word("你是谁")
output_op = self.model.inference(text_ids)
# self.saver = tf.train.import_meta_graph(checkpoint_path+".meta")
self.sess = tf.Session()
self.saver = tf.train.Saver()
self.saver.restore(self.sess, checkpoint_path)
# self.sess.run(tf.global_variables_initializer())
answer = self.vocabutil.get_text(self.sess.run(output_op))
print(answer)