Merge branch 'master' of https://git.wmi.amu.edu.pl/s426289/lalka-lm

x

dev-0/out.tsv

@@ -0,0 +1,471 @@
+pani
+baronowa
+!
+a
+jeżeli
+pani
+krzeszowskiej
+i
+o
+niej
+?
+do
+czasu
+na
+nie
+jest
+o
+.
+po
+czym
+o
+mnie
+i
+o
+czym
+o
+do
+mnie
+,
+ażeby
+pani
+meliton
+nie
+obchodzi
+.
+pan
+do
+nie
+i
+po
+południu
+.
+a
+po
+chwili
+do
+czasu
+nie
+może
+?
+na
+lewo
+nie
+jest
+pan
+ignacy
+!
+na
+myśl
+;
+i
+po
+do
+mnie
+,
+i
+jeszcze
+po
+do
+niej
+;
+jak
+do
+nas
+,
+jak
+ona
+!
+,
+czy
+do
+pani
+.
+na
+drugi
+na
+jego
+na
+dzień
+do
+pani
+.
+na
+prawo
+do
+panny
+florentyny
+na
+dzień
+:
+na
+nie
+nie
+,
+jak
+ja
+,
+na
+którym
+do
+pani
+meliton
+na
+lewo
+?
+czy
+na
+mnie
+do
+mnie
+i
+po
+,
+a
+nawet
+o
+pannie
+do
+pani
+?
+na
+mnie
+do
+czasu
+i
+do
+pani
+krzeszowskiej
+.
+ale
+pan
+na
+lewo
+do
+niego
+,
+i
+o
+mnie
+nie
+może
+na
+mnie
+;
+nie
+ma
+.
+na
+lewo
+;
+ale
+nawet
+i
+do
+niego
+;
+ja
+pan
+nie
+o
+.
+pan
+jest
+?
+o
+nim
+;
+ale
+ja
+,
+który
+na
+mnie
+nie
+,
+i
+pan
+na
+lewo
+i
+nie
+było
+.
+nawet
+do
+niej
+?
+na
+co
+dzień
+;
+na
+prawo
+nie
+ma
+pani
+baronowej
+na
+dzień
+?
+po
+,
+bo
+,
+a
+nie
+,
+nie
+jest
+do
+niej
+,
+bo
+,
+który
+,
+nie
+o
+do
+nas
+?
+a
+nawet
+?
+po
+na
+drugi
+dzień
+.
+nie
+ma
+pani
+baronowa
+na
+,
+i
+na
+mnie
+do
+niej
+do
+paryża
+i
+po
+na
+myśl
+,
+bo
+nie
+na
+dzień
+nie
+,
+co
+,
+bo
+nawet
+pan
+i
+nie
+na
+nią
+;
+nawet
+do
+niej
+do
+pani
+i
+jak
+nie
+ma
+pani
+.
+nie
+miał
+?
+na
+mnie
+od
+.
+nie
+jest
+nie
+o
+czym
+do
+mnie
+od
+,
+nie
+może
+i
+jeszcze
+o
+niej
+do
+paryża
+?
+czy
+nie
+było
+na
+,
+i
+jeszcze
+i
+o
+co
+do
+mnie
+i
+jak
+on
+po
+chwili
+do
+panny
+o
+do
+mnie
+do
+panny
+.
+ale
+na
+niego
+!
+,
+ażeby
+mi
+pan
+do
+czasu
+do
+domu
+:
+i
+po
+południu
+do
+niej
+do
+pani
+:
+po
+,
+nie
+do
+panny
+.
+ale
+co
+do
+niej
+na
+,
+bo
+nie
+na
+nią
+.
+i
+na
+,
+który
+,
+który
+do
+drzwi
+.
+nie
+ma
+do
+niego
+,
+nie
+jest
+bardzo
+do
+panny
+izabeli
+o
+nim
+;
+ja
+,
+ale
+co
+i
+po
+co
+nie
+na
+jej
+i
+nie
+miał
+,
+czy
+nawet
+na
+niego
+;
+na
+drugi
+i
+do
+domu
+na
+jego
+,
+który
+na
+jego
+na
+drugi
+dzień
+.
+na
+jego
+nie
+,
+co
+i
+po
+chwili
+,
+a
+potem
+.
+ale
+nie
+jest
+,
+bo
+pan
+i
+ja
+o
+pannie
+na
+niego
+nie
+na
+jej
+:
+a
+czy
+o
+nim
+;
+nie
+jest
+bardzo
+do
+panny
+do
+paryża
+i
+ja

main.py

@@ -0,0 +1,216 @@
+import numpy as np
+import torch
+from sklearn.model_selection import train_test_split
+from nltk.tokenize import word_tokenize
+
+
+lalka_path_train= 'train/train_train.tsv'
+
+lalka_path_valid= 'train/train_test.tsv'
+
+corpora_train = open(lalka_path_train).read()
+
+corpora_train_tokenized = list(word_tokenize(corpora_train))
+
+corpora_train_tokenized = [token.lower() for token in corpora_train_tokenized]
+
+vocab_itos = sorted(set(corpora_train_tokenized))
+
+
+vocab_itos = vocab_itos[:15005]
+vocab_itos[15001] = "<UNK>"
+vocab_itos[15002] = "<BOS>"
+vocab_itos[15003] = "<EOS>"
+vocab_itos[15004] = "<PAD>"
+
+
+with open("train/train.tsv", "r") as lalka:
+    lines = lalka.readlines()
+with open("train/train_train.tsv", "w") as out_train:
+    for i in train:
+        out_train.write(i)
+with open("train/train_test.tsv", "w") as out_test:
+    for i in test:
+        out_test.write(i)
+
+
+
+vocab_stoi = dict()
+for i, token in enumerate(vocab_itos):
+    vocab_stoi[token] = i
+
+NGRAMS = 5
+
+def get_token_id(dataset):
+    token_ids = [vocab_stoi['<PAD>']] * (NGRAMS-1) + [vocab_stoi['<BOS>']]
+    for token in dataset:
+        try:
+            token_ids.append(vocab_stoi[token])
+        except KeyError:
+            token_ids.append(vocab_stoi['<UNK>'])
+    token_ids.append(vocab_stoi['<EOS>'])
+    return token_ids
+
+train_ids = get_token_id(corpora_train_tokenized)
+
+def get_samples(dataset):
+    samples = []
+    for i in range(len(dataset)-NGRAMS):
+        samples.append(dataset[i:i+NGRAMS])
+    return samples
+
+train_ids = get_samples(train_ids)
+
+train_ids = torch.tensor(train_ids, device = device)
+
+corpora_valid = open(lalka_path_valid).read()
+
+corpora_valid_tokenized = list(word_tokenize(corpora_valid))
+
+valid_ids = get_token_id(corpora_valid_tokenized)
+
+valid_ids = torch.tensor(get_samples(valid_ids), dtype = torch.long, device = device)
+
+class GRU(torch.nn.Module):
+
+    def __init__(self):
+        super(GRU, self).__init__()
+        self.emb = torch.nn.Embedding(len(vocab_itos),100)
+        self.rec = torch.nn.GRU(100, 256, 1, batch_first = True)
+        self.fc1 = torch.nn.Linear( 256 ,len(vocab_itos))
+
+    def forward(self, x):
+        emb = self.emb(x)
+        output, h_n = self.rec(emb)
+        hidden = h_n.squeeze(0)
+        out = self.fc1(hidden)
+        return out
+
+lm = GRU().to(device)
+
+criterion = torch.nn.CrossEntropyLoss()
+
+optimizer = torch.optim.Adam(lm.parameters(),lr=0.0001)
+
+BATCH_SIZE = 128
+EPOCHS = 15
+
+def get_ppl(dataset_ids):
+    lm.eval()
+
+    batches = 0
+    loss_sum =0
+    acc_score = 0
+
+    for i in range(0, len(dataset_ids)-BATCH_SIZE+1, BATCH_SIZE):
+        X = dataset_ids[i:i+BATCH_SIZE,:NGRAMS-1]
+        Y = dataset_ids[i:i+BATCH_SIZE,NGRAMS-1]
+        predictions = lm(X)
+        
+        loss = criterion(predictions,Y)
+
+        loss_sum += loss.item()
+        batches += 1
+
+    return np.exp(loss_sum / batches)
+
+history_ppl_train  = []
+history_ppl_valid  = []
+for epoch in range(EPOCHS):
+    
+    batches = 0
+    loss_sum =0
+    acc_score = 0
+    lm.train()
+    #for i in range(0, len(train_ids)-BATCH_SIZE+1, BATCH_SIZE):
+    for i in range(0, len(train_ids)-BATCH_SIZE+1, BATCH_SIZE):
+        X = train_ids[i:i+BATCH_SIZE,:NGRAMS-1]
+        Y = train_ids[i:i+BATCH_SIZE,NGRAMS-1]
+        predictions = lm(X)
+        loss = criterion(predictions,Y)
+    
+    
+        
+        optimizer.zero_grad()
+        loss.backward()
+        optimizer.step()
+        
+        loss_sum += loss.item()
+        batches += 1
+        
+    ppl_train = get_ppl(train_ids)
+    ppl_valid = get_ppl(valid_ids)
+    
+    history_ppl_train.append(ppl_train)
+    history_ppl_valid.append(ppl_valid)
+    
+tokenized = list(word_tokenize('Gości innych nie widział oprócz spółleśników'))
+tokenized = tokenized[-NGRAMS  :-1 ] 
+
+ids = []
+for word in tokenized:
+    if word in vocab_stoi:
+        ids.append(vocab_stoi[word])
+    else:
+        ids.append(vocab_stoi['<UNK>'])
+
+lm.eval()
+
+ids = torch.tensor(ids, dtype = torch.long, device = device)
+
+preds= lm(ids.unsqueeze(0))
+
+vocab_itos[torch.argmax(torch.softmax(preds,1),1).item()]
+
+tokenized = list(word_tokenize('Lalka'))
+tokenized = [token.lower() for token in tokenized]
+
+ids = []
+for word in tokenized:
+    if word in vocab_stoi:
+        ids.append(vocab_stoi[word])
+    else:
+        ids.append(vocab_stoi['<UNK>'])
+ids = torch.tensor([ids], dtype = torch.long, device = device)
+
+candidates_number = 10
+for i in range(30):
+    preds= lm(ids)
+    candidates = torch.topk(torch.softmax(preds,1),candidates_number)[1][0].cpu().numpy()
+    candidate = 15001
+    while candidate > 15000:
+        candidate = candidates[np.random.randint(candidates_number)]
+    print(vocab_itos[candidate])
+    ids =  torch.cat((ids, torch.tensor([[candidate]], device = device)), 1)
+
+dev= open("dev-0/in.tsv", "r")
+dev_ = len(dev.readlines())
+a = open("test-A/in.tsv", "r")
+a_ = len(a.readlines())
+
+
+
+with open("dev-0/out.tsv", "w") as out_dev:
+    for i in range(dev_):
+        prediction = lm(id_list)
+        candidates = torch.topk(torch.softmax(prediction, 1), candidates_number)[1][0].cpu().numpy()
+        
+        candidate = 15001
+        
+        while candidate > 15000:
+            candidate = candidates[np.random.randint(candidates_number)]
+        id_list = torch.cat((id_list, torch.tensor([[candidate]], device=device)), 1)
+        out_dev_file.write(vocab_itos[candidate] + '\n')
+with open("test-A/out.tsv", "w") as out_test:
+    for i in range(dev_):
+        preds = lm(id_list)
+        candidates = torch.topk(torch.softmax(preds, 1), candidates_number)[1][0].cpu().numpy()
+        
+        candidate = 15001
+        
+        while candidate > 15000:
+            candidate = candidates[np.random.randint(candidates_number)]
+        id_list = torch.cat((id_list, torch.tensor([[candidate]], device=device)), 1)
+        out_test_file.write(vocab_itos[candidate] + '\n')
+
+

test-A/.~lock.in.tsv#

@@ -0,0 +1 @@
+,kasia,kasia-XPS-15-9550,23.06.2021 23:50,file:///home/kasia/.config/libreoffice/4;

test-A/.~lock.out.tsv#

@@ -0,0 +1 @@
+,kasia,kasia-XPS-15-9550,24.06.2021 00:25,file:///home/kasia/.config/libreoffice/4;

test-A/out.tsv

@@ -0,0 +1,471 @@
+.
+na
+mnie
+?
+czy
+nie
+było
+o
+.
+czy
+ja
+już
+i
+jeszcze
+:
+,
+a
+pan
+?
+na
+niego
+.
+panna
+do
+panny
+izabeli
+,
+który
+,
+czy
+nie
+było
+do
+czasu
+,
+czy
+nie
+ma
+pani
+?
+do
+paryża
+;
+nie
+jest
+do
+mnie
+na
+,
+ale
+,
+nie
+mam
+.
+pan
+ignacy
+do
+czasu
+na
+jego
+?
+czy
+ja
+.
+i
+co
+mi
+do
+paryża
+na
+niego
+o
+niej
+;
+ja
+?
+nie
+o
+czym
+o
+mnie
+nie
+będzie
+.
+nawet
+nie
+o
+,
+bo
+nawet
+i
+jak
+on
+do
+pani
+?
+czy
+co
+pan
+?
+)
+,
+co
+nie
+było
+;
+do
+niego
+do
+domu
+,
+a
+po
+,
+i
+jak
+pan
+?
+nie
+,
+ale
+czy
+o
+mnie
+,
+i
+pan
+nie
+było
+do
+niej
+.
+na
+drugi
+dzień
+do
+czasu
+?
+ale
+nawet
+do
+niego
+,
+i
+po
+nie
+do
+czasu
+i
+do
+nas
+do
+panny
+eweliny
+,
+ale
+nie
+,
+jak
+mnie
+.
+nie
+jest
+.
+nawet
+nawet
+,
+i
+ja
+o
+na
+mnie
+od
+nas
+i
+jeszcze
+nie
+było
+o
+pannie
+na
+mnie
+nie
+o
+do
+paryża
+?
+nie
+może
+nie
+o
+pannie
+i
+co
+.
+po
+nim
+i
+do
+pani
+.
+nie
+było
+i
+ja
+.
+o
+co
+dzień
+do
+niego
+,
+ażeby
+do
+mnie
+nie
+,
+nie
+było
+i
+jeszcze
+na
+niego
+?
+a
+potem
+:
+o
+ile
+i
+ja
+już
+.
+i
+po
+południu
+:
+i
+o
+nie
+może
+pan
+i
+na
+niego
+,
+ażeby
+nawet
+od
+na
+nią
+na
+prawo
+na
+mnie
+na
+drugi
+do
+niego
+:
+a
+ja
+i
+o
+,
+a
+pani
+?
+o
+mnie
+nie
+na
+nią
+.
+nie
+może
+,
+czy
+,
+ażeby
+pan
+,
+czy
+ja
+ja
+i
+na
+jego
+od
+do
+nas
+?
+)
+i
+nie
+było
+,
+bo
+pan
+nie
+będzie
+na
+niego
+!
+na
+,
+ale
+na
+mnie
+?
+o
+ile
+,
+ażeby
+nawet
+,
+bo
+ja
+,
+czy
+nie
+jest
+pan
+do
+pani
+krzeszowskiej
+;
+a
+może
+?
+o
+mnie
+,
+nie
+mam
+do
+mnie
+na
+,
+ażeby
+do
+mnie
+do
+panny
+i
+o
+mnie
+,
+jak
+do
+panny
+o
+nim
+;
+a
+pan
+nie
+o
+mnie
+i
+na
+nią
+do
+domu
+do
+domu
+do
+panny
+izabeli
+i
+jak
+.
+pan
+do
+niego
+?
+na
+lewo
+na
+niego
+;
+ale
+czy
+do
+nas
+?
+o
+nie
+mam
+?
+nie
+mam
+!
+nie
+było
+do
+paryża
+,
+nie
+było
+na
+niego
+.
+o
+nie
+miał
+i
+ja
+na
+nią
+na
+prawo
+i
+po
+chwili
+i
+jeszcze
+i
+po
+,
+na
+mnie
+,
+czy
+ja
+jak
+pan
+na
+prawo
+;
+,
+a
+na
+co
+dzień
+i
+do
+czasu
+;
+i
+ja
+nie
+o
+mnie
+do
+mnie
+od
+panny
+,
+nie
+będzie
+.
+i
+po
+do
+czasu
+?
+ale
+czy
+nie
+,
+nie
+było
+?
+o
+czym
+do
+niej
+,
+co
+mnie