def test_get_sentence(self):
# arrange
gen = SentenceGenerator()
# act, assert
self.assertEqual('es ist zwölf uhr'.split(' '),
gen.get_sentence(time(12, 0)))
self.assertEqual('es ist zwölf uhr'.split(' '),
gen.get_sentence(time(0, 0)))
self.assertEqual('es ist sechs uhr'.split(' '),
gen.get_sentence(time(6, 0)))
self.assertEqual('es ist sechs uhr'.split(' '),
gen.get_sentence(time(18, 0)))
self.assertEqual('es ist fünf nach eins'.split(' '),
gen.get_sentence(time(1, 5)))
self.assertEqual('es ist zehn nach zwei'.split(' '),
gen.get_sentence(time(2, 11)))
self.assertEqual('es ist viertel nach drei'.split(' '),
gen.get_sentence(time(3, 14)))
self.assertEqual('es ist zwanzig nach vier'.split(' '),
gen.get_sentence(time(4, 22)))
self.assertEqual('es ist fünf vor halb fünf2'.split(' '),
gen.get_sentence(time(4, 25)))
self.assertEqual('es ist halb sechs'.split(' '),
gen.get_sentence(time(5, 30)))
self.assertEqual('es ist fünf nach halb sieben'.split(' '),
gen.get_sentence(time(6, 34)))
self.assertEqual('es ist zwanzig vor acht'.split(' '),
gen.get_sentence(time(7, 42)))
self.assertEqual('es ist viertel vor neun'.split(' '),
gen.get_sentence(time(20, 45)))
self.assertEqual('es ist zehn vor zehn2'.split(' '),
gen.get_sentence(time(21, 49)))
self.assertEqual('es ist fünf vor elf'.split(' '),
gen.get_sentence(time(10, 55)))
self.assertEqual('es ist fünf vor eins'.split(' '),
gen.get_sentence(time(12, 55)))
# when training a model from scratch).
if not use_pickled_vocab:
pickled_vocab = ""
# Note: the training data used is either pickled_shards, pickled_pairs,
# or all_sentences (in that priority).
if not use_pickled_shards:
pickled_shards = []
if not use_pickled_pairs:
pickled_pairs = ""
sentence_generator.train_generator(all_sentences,
num_train_iters,
pickled_pairs=pickled_pairs,
pickled_shards=pickled_shards,
pickled_vocab=pickled_vocab,
vocab_size=30000,
max_output_length=50,
teacher_forcing_ratio=0.5,
batch_size=64,
learning_rate=0.0002,
rnn_cell='lstm')
pickle.dump(sentence_generator, open(model_save_path, "wb"))
# Test the model.
emb = sentence_generator.get_embedding("This is a test sentence.")
sent = sentence_generator.get_sentence(emb)
print(sent)
emb = sentence_generator.get_embedding("This is also a test.")
sent = sentence_generator.get_sentence(emb)
print(sent)
