stats['epoch'], model.updates))
stats['best_valid'] = result[args.valid_metric]
stats['no_improvement'] = 0
else:
stats['no_improvement'] += 1
if stats['no_improvement'] >= args.early_stop:
break
if __name__ == '__main__':
# Parse cmdline args and setup environment
parser = argparse.ArgumentParser(
'Code to Natural Language Generation',
formatter_class=argparse.ArgumentDefaultsHelpFormatter)
add_train_args(parser)
config.add_model_args(parser)
args, unknown = parser.parse_known_args()
args.use_tgt_word = False
args.tgt_pos_emb = False
# Set cuda
args.cuda = torch.cuda.is_available()
args.parallel = torch.cuda.device_count() > 1
# Set random state UNCOMMENT IF NEEDED
# np.random.seed(args.random_seed)
# torch.manual_seed(args.random_seed)
# if args.cuda:
# torch.cuda.manual_seed(args.random_seed)
# Set logging
if result[args.valid_metric] > stats['best_valid']:
logger.info('Best valid: %s = %.2f (epoch %d, %d updates)' %
(args.valid_metric, result[args.valid_metric],
stats['epoch'], model.updates))
model.save(args.model_file)
stats['best_valid'] = result[args.valid_metric]
if __name__ == '__main__': # 如果模块是被直接运行的，则代码块被执行，如果模块是被导入的，则代码块不被运行
parser = argparse.ArgumentParser( # 创建解析器
'ErnnReader', # 程序的名字
formatter_class=argparse.
ArgumentDefaultsHelpFormatter # 自动将有关默认值的信息添加到每个参数帮助消息中
)
add_train_args(parser) # 添加参数
config.add_model_args(parser) # 添加参数
args = parser.parse_args() # 解析参数，将检查命令行，把每个参数转换成恰当的类型并采取恰当的操作
set_defaults(args)
# set cuda
args.cuda = not args.no_cuda and torch.cuda.is_available()
if args.cuda:
torch.cuda.set_device(args.gpu)
# set random state
# 随机数种子，使用相同的seed()值，每次生成的随机数都相同；
# 若不设置，系统根据时间来设置随机数种子，故而每次随机数都不一样；
# 设置的seed()值仅一次有效
np.random.seed(args.random_seed)
torch.manual_seed(args.random_seed)
if args.cuda: