Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >如何在腾讯云上部署 Facebook 的ParlAI 训练框架

如何在腾讯云上部署 Facebook 的ParlAI 训练框架

原创
作者头像
蔡鹏
修改于 2017-06-19 10:58:20
修改于 2017-06-19 10:58:20
1.3K0
举报
文章被收录于专栏:蔡鹏的专栏蔡鹏的专栏

刚看到腾云阁新一期的活动又开始了,跃跃欲试,恰巧看到ParlAI我就把安装过程记录一下。

必备环境:

代码语言:txt
AI代码解释
复制
python3

ZeroMq

安装命令:

代码语言:txt
AI代码解释
复制
git clone https://github.com/facebookresearch/ParlAI.git
cd ParlAI
python setup.py develop

安装过程中问题一:

代码语言:txt
AI代码解释
复制
UnicodeDecodeError: 'gbk' codec can't decode byte 0x9d in position 1270: illega
解决方法:我把setup.py代码稍加修改了。 都是utf-8的 我这里很疑惑
去掉:
with open('LICENSE') as f:
    license = f.read()

with open('requirements.txt') as f:
    reqs = f.read()
初始化:
 license='',
 long_description='',

问题二:

代码语言:txt
AI代码解释
复制
“error: Microsoft Visual C++ 14.0 is required..
解决办法:

手工安装

pip install pyzmq

问题三:

代码语言:txt
AI代码解释
复制
AttributeError: module 'parlai.tasks.babi.agents' has no attribute 'create_agents'
TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没
有反应,连接尝试失败。
解决办法:
安装ZeroMq 

运行案例:

代码语言:txt
AI代码解释
复制
F:\py\parlai\ParlAI>python examples/display_data.py -t babi:task1k:1
[no_images:False]
[download_path:f:\py\parlai\parlai\downloads]
[task:babi:task1k:1]
[datatype:train]
[batchsize:1]
[num_examples:10]
[numthreads:1]
[parlai_home:f:\py\parlai\parlai]
[datapath:f:\py\parlai\parlai\data]
[creating task(s): babi:task1k:1]
[building data: f:\py\parlai\parlai\data\bAbI]
100% [....................................................] 19212062 / 19212062
unpacking babi.tar.gz
[DialogTeacher initializing.]
[loading fbdialog data:f:\py\parlai\parlai\data\bAbI\tasks_1-20_v1-2\en-valid-n
sf\qa1_train.txt]
[babi:task1k:1]: Mary travelled to the garden.
Daniel went to the office.
Where is Daniel?
[labels: office]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: office
~~
[babi:task1k:1]: Daniel travelled to the kitchen.
Sandra journeyed to the kitchen.
Where is Daniel?
[labels: kitchen]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: kitchen
~~
[babi:task1k:1]: Mary went back to the hallway.
Daniel went to the bedroom.
Where is Daniel?
[labels: bedroom]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: bedroom
~~
[babi:task1k:1]: Mary moved to the bathroom.
Sandra journeyed to the bathroom.
Where is Mary?
[labels: bathroom]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: bathroom
~~
[babi:task1k:1]: John journeyed to the garden.
Sandra went to the garden.
Where is Sandra?
[labels: garden]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: garden
- - - - - - - - - - - - - - - - - - - - -
~~
[babi:task1k:1]: Mary travelled to the bedroom.
Daniel travelled to the office.
Where is Mary?
[labels: bedroom]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: bedroom
~~
[babi:task1k:1]: Daniel journeyed to the hallway.
Mary travelled to the hallway.
Where is Mary?
[labels: hallway]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: hallway
~~
[babi:task1k:1]: Sandra travelled to the kitchen.
Mary travelled to the kitchen.
Where is Daniel?
[labels: hallway]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: hallway
~~
[babi:task1k:1]: John journeyed to the garden.
Daniel went to the bathroom.
Where is Sandra?
[labels: kitchen]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: kitchen
~~
[babi:task1k:1]: Daniel moved to the garden.
John went to the kitchen.
Where is Daniel?
[labels: garden]
[cands: garden|kitchen|office|bedroom|bathroom|hallway]
   [RepeatLabelAgent]: garden
- - - - - - - - - - - - - - - - - - - - -
~~

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
GitHub 项目推荐 | ParlAI 多任务智能对话平台
该项目目前已经提供了 100 多个流行数据集,可使用相同的 API 进行调用,其中包括 PersonaChat、DailyDialog、维基百科向导、Empathetic Dialogues、SQuAD、MS MARCO、QuAC、HotpotQA、QACNN 和 QADailyMail、CBT、BookTest、bAbI Dialogue 任务、Ubuntu 对话、OpenSubtitles、图像聊天、VQA、VisDial 和 CLEVR 等等。
机器学习之禅
2022/07/11
1.8K0
深度学习初探:使用Keras创建一个聊天机器人
【导读】本篇文章将介绍如何使用Keras(一个非常受欢迎的神经网络库来构建一个Chatbot)。首先我们会介绍该库的主要概念,然后将逐步教大家如何使用它创建“是/否”应答机器人。我们将利用Keras来实现Sunkhbaatar等人的论文“End to End Memory Networks”中的RNN结构。
Ai学习的老章
2019/08/23
1.4K0
深度学习初探:使用Keras创建一个聊天机器人
资源 | Facebook开源人工智能框架ParlAI:可轻松训练评估对话模型
选自GitHub 机器之心编译 参与:吴攀、晏奇 Facebook 近日在 GitHub 上开源了一个可用于在多种开放可用的对话数据集上训练和评估人工智能模型的框架 ParlAI,机器之心在本文中对
机器之心
2018/05/08
1.6K0
资源 | Facebook开源人工智能框架ParlAI:可轻松训练评估对话模型
pytorch的开源对话框架ParlAI系统实践
  最近抽点时间将ParlAI代码进行重构和调试之后,发现其代码设计风格类似于工厂模式,非常便于插入式开发,算是接触过的python代码框架中比较棒的一个。
sparkexpert
2019/05/26
1.7K0
Pandas 2.2 中文官方教程和指南(十四)
pandas 提供了用于操作Series和DataFrame的方法,以改变数据的表示形式,以便进行进一步的数据处理或数据汇总。
ApacheCN_飞龙
2024/04/25
4840
Face_Recognition_v3a
In this assignment, you will build a face recognition system. Many of the ideas presented here are from FaceNet. In lecture, we also talked about DeepFace.
列夫托尔斯昊
2020/08/25
1.2K0
Face_Recognition_v3a
资源 | Facebook开源DrQA的PyTorch实现:基于维基百科的问答系统
选自GitHub 机器之心编译 参与:Panda 今年 4 月,斯坦福大学和 Facebook 人工智能研究所在 arXiv 发布了一个基于维基百科的开放域问题问答系统 DrQA。近日,Facebook 在 GitHub 上开源了这个系统的代码,FAIR 主管 Yann LeCun 在社交网络也为这次开源做了宣传。据悉,该研究也将出现在 7 月 30 日举行的 ACL 2017 大会上。 论文地址:https://arxiv.org/abs/1704.00051 开源地址:https://github.co
机器之心
2018/05/09
1.7K0
资源 | Facebook开源DrQA的PyTorch实现:基于维基百科的问答系统
人脸图像识别实例:使用Keras-MXNet在MXNet模型服务器上部署“笑脸检测器”
AWS最近宣布发布了针对Keras 2的Apache MXNet后端,与使用多GPU的默认后端相比,它可以为你提供高达3倍的速度提升。它可以改进训练和推理性能。在这个版本中,你现在能够将经过训练的Keras(使用MXNet后端)模型导出为本地MXNet模型,而不必依赖于特定的语言绑定。这种新的导出模型功能允许你使用各种工具(这些工具属于MXNet生态系统的一部分)。
AiTechYun
2018/07/27
3.5K0
人脸图像识别实例:使用Keras-MXNet在MXNet模型服务器上部署“笑脸检测器”
Python 人工智能:6~10
在本章中,我们将学习集成学习以及如何将其用于预测分析。 在本章的最后,您将对这些主题有更好的理解:
ApacheCN_飞龙
2023/04/23
1.5K0
教程 | 从零开始:TensorFlow机器学习模型快速部署指南
选自Hive Blog 作者:Bowei 机器之心编译 参与:李亚洲、李泽南 本文将介绍一种将训练后的机器学习模型快速部署到生产种的方式。如果你已使用 TensorFlow 或 Caffe 等深度学习框架训练好了 ML 模型,该模型可以作为 demo。如果你更喜欢轻量级的解决方案,请阅读本文。 GitHub 地址:https://github.com/hiveml/simple-ml-serving 其中包含的条目有: 检查 TensorFlow 安装:https://github.com/hiveml/s
机器之心
2018/05/10
9200
目标检测 - Faster R-CNN 训练过程源码理解
得到的 imdb = pascal_voc(‘trainval’, ‘2007’) 记录的内容如下:
AIHGF
2019/02/18
1.1K0
7 Papers & Radios | AI求解薛定谔方程;陶大程等深度学习理论进展综述
机器之心 & ArXiv Weekly Radiostation 参与:杜伟、楚航、罗若天 本周的重要论文包括人工智能计算薛定谔方程的基态解以及悉尼大学陶大程等的深度学习理论进展综述。 目录: Theoretical Issues in Deep Networks  Deep-Neural-Network Solution of the Electronic Schrödinger Equation Graph Neural Networks: Taxonomy, Advances and Trends
机器之心
2023/03/29
2830
7 Papers & Radios | AI求解薛定谔方程;陶大程等深度学习理论进展综述
如何判断多账号是同一个人?用图技术搞定 ID Mapping
本文是一个基于图数据库 NebulaGraph 上的图算法、图数据库、图神经网络的 ID-Mapping 方法综述,除了基本方法思想的介绍之外,我还给大家弄了可以跑的 Playground。
NebulaGraph
2023/03/08
2.1K0
如何判断多账号是同一个人?用图技术搞定 ID Mapping
人工智能学术速递[12.15]
【1】 EgoBody: Human Body Shape, Motion and Social Interactions from Head-Mounted Devices 标题:EgoBody:来自头盔设备的人体形状、运动和社会互动 链接:https://arxiv.org/abs/2112.07642
公众号-arXiv每日学术速递
2021/12/17
1.8K0
腾讯蓝鲸智云-单机离线部署测试
新建repo配置文件:vi /etc/yum.repos.d/CentOS.repo,编辑内容如下:
Alfred Zhao
2020/03/02
7.6K0
手把手:我的深度学习模型训练好了,然后要做啥?
大数据文摘作品 编译:姜范波、云舟 本文讲的是如何快速而不求完美地部署一个训练好的机器学习模型并应用到实际中。如果你已经成功地使用诸如Tensorflow或Caffe这样的框架训练好了一个机器学习模型,现在你正在试图让这个模型能够快速的演示,那么读这篇文章就对了。 阅读时长: 10-15分钟 使用前检查清单 检查tensorflow的安装 从 stdin 运行在线分类 在本地运行分类 把分类器放到硬编码(hardcoded)的代理 把分类器放到有服务发现(service discovery)的代理 用一
大数据文摘
2018/05/24
1.7K0
PyTorch 2.2 中文官方教程(十四)
在本教程中,您将学习如何实现并使用此模式来对模型进行约束。这样做就像编写自己的nn.Module一样容易。
ApacheCN_飞龙
2024/02/05
6880
PyTorch 2.2 中文官方教程(十四)
【腾讯云 Cloud Studio 实战训练营】使用Cloud Studio制作蛋仔派对兑换码工具
Cloud Studio 是基于浏览器的集成式开发环境(IDE),为开发者提供了一个永不间断的云端工作站。用户在使用 Cloud Studio 时无需安装,随时随地打开浏览器就能在线编程。 Cloud Studio 作为在线 IDE,包含代码高亮、自动补全、Git 集成、终端等 IDE 的基础功能,同时支持实时调试、插件扩展等,可以帮助开发者快速完成各种应用的开发、编译与部署工作。 所以,本次开发蛋仔派对兑换码工具优先采用在线IDE-Cloud Studio,让我们随着本项目对Cloud Studio进行探索吧~
德宏大魔王
2023/08/08
8960
【腾讯云 Cloud Studio 实战训练营】使用Cloud Studio制作蛋仔派对兑换码工具
想要了解图或图神经网络?没有比看论文更好的方式了
图是一种非常神奇的表示方式,生活中绝大多数的现象或情境都能用图来表示,例如人际关系网、道路交通网、信息互联网等等。正如马哲介绍事物具有普遍联系性,而图正好能捕捉这种联系,所以用它来描述这个世界是再好不过的方法。
机器之心
2019/07/24
1K0
想要了解图或图神经网络?没有比看论文更好的方式了
如何将PaddleDetection模型在树莓派4B上部署?
【飞桨开发者说】侯继旭,海南师范大学本三自动化专业在读,人工智能开发爱好者,曾获2019中国高校计算机大赛-人工智能创意赛海南省一等奖、2019年度海南省高等学校科学研究“人工智能”优秀成果奖
用户1386409
2020/06/01
1.1K0
如何将PaddleDetection模型在树莓派4B上部署?
推荐阅读
相关推荐
GitHub 项目推荐 | ParlAI 多任务智能对话平台
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档