WMT16¶

class paddle.text.datasets. WMT16 [源代码] ¶

该类是对 WMT16 测试数据集实现。 ACL2016多模态机器翻译。有关更多详细信息，请访问此网站： http://www.statmt.org/wmt16/multimodal-task.html#task1

如果您任务中使用了该数据集，请引用论文：Multi30K: Multilingual English-German Image Descriptions. 。

参数¶

**data_file**（str）- 保存数据集压缩文件的路径，如果参数:attr:`download`设置为True，可设置为None。默认值为None。

**mode**（str）- 'train'，'test' 或 'val'。默认为'train'。

**src_dict_size**（int）- 源语言词典大小。默认为-1。

**trg_dict_size**（int) - 目标语言测点大小。默认为-1。

**lang**（str）- 源语言，'en' 或 'de'。默认为 'en'。

**download**（bool）- 如果:attr:`data_file`未设置，是否自动下载数据集。默认为True。

返回值¶

Dataset，WMT16数据集实例。实例一共有三个字段：

src_ids (np.array) - 源语言当前的token id序列。

trg_ids (np.array) - 目标语言当前的token id序列。

trg_ids_next (np.array) - 目标语言下一段的token id序列。

代码示例¶

          import paddle
from paddle.text.datasets import WMT16

class SimpleNet(paddle.nn.Layer):
    def __init__(self):
        super(SimpleNet, self).__init__()

    def forward(self, src_ids, trg_ids, trg_ids_next):
        return paddle.sum(src_ids), paddle.sum(trg_ids), paddle.sum(trg_ids_next)


wmt16 = WMT16(mode='train', src_dict_size=50, trg_dict_size=50)

for i in range(10):
    src_ids, trg_ids, trg_ids_next = wmt16[i]
    src_ids = paddle.to_tensor(src_ids)
    trg_ids = paddle.to_tensor(trg_ids)
    trg_ids_next = paddle.to_tensor(trg_ids_next)

    model = SimpleNet()
    src_ids, trg_ids, trg_ids_next = model(src_ids, trg_ids, trg_ids_next)
    print(src_ids.numpy(), trg_ids.numpy(), trg_ids_next.numpy())

         