CS224n Assignment4解读 · 上

NMT中的一个问题

1. problem: 输入的句子长短不一，如果要将所有的长短的输入都提炼为同样长度的向量，是比较难的。
2. solution： 实际工程中较多的会通过堆叠RNN来解决不定长的input sentences的问题
3. CS224n Assignment4: 通过找出最长的句子，再将其他所有的句子都扩充至这一长度来达到input sentences等长的效果。

python文档

1. Library Reference标准库参考：标准库中的API在这里有定义和注释
2. Language Reference语法参考： 这里给出了python的语法，上下文无关文法
   *在python文档中表示0 ~ n个重复
   []表示可选择的 0 ~ 1

python max（）函数

1. max为Python的内置函数，可以找出iterable中最大的元素，也可以找出传入的多个参数中的最大值。
2. 其参数可以为iterable可迭代对象，iterable包括所有的序列类型，以及某些非序列类型。

max([len(sent) for sent in sents])形成list

sent + ['ant'] * 5list的扩充，类似有append函数

python函数定义

1. 形参后的：为形参的注释
2. 函数后的-> 为函数返回值的注释

yield

1. 遍历函数如果遍历过程中每一步输出，这样的复用性不高
2. 如果返回一个list或者序列，可复用，这样会占用大量的内存
3. yield结合了这两者，既可以复用又不占用内存，使用它的函数无return，其使得函数变成了一个generator，相当于每次遍历跑一遍当轮次的代码
4. 可以通过next()函数来体验generator的过程

CS224n - Assignment4

1. utils.py提供了pad_sents, read_corpus, batch_iter
   pad_sents: 扩充较短的input sentences使得所有的句子长短一致
   read_corpus： 从语言文本中读入list[list[str]]
   batch_iter： 提供了数据集的batch generator，每个batch包括source sentences和相应的target sentences
2. vocab.py为单词表生成器
   VocabEntry类为输入语言或者输出语言的词汇入口，提供了word2int & int2word接口
   Vocab类封装source & targe language

遗留问题

1. 继续完成Assignment4
2. 熟悉python语法
3. 熟悉图神经网络代码