Datasets:

sia-precision-education

/

sia_pile_sample

like 0

[ "To", "be", "overridden" ]

[ "def", "_report_training", "(", "self", ",", "*", "args", ",", "*", "*", "kwargs", ")", ":", "raise", "NotImplementedError", "(", ")" ]

[ "Report", "stats", "of", "a", "step" ]

[ "def", "report_step", "(", "self", ",", "lr", ",", "step", ",", "train_stats", "=", "None", ",", "valid_stats", "=", "None", ")", ":", "self", ".", "_report_step", "(", "lr", ",", "step", ",", "train_stats", "=", "train_stats", ",", "valid_stats", "=", "valid_stats", ")" ]

[ "A", "report", "manager", "that", "writes", "statistics", "on", "standard", "output", "as", "well", "as", "(", "optionally", ")", "TensorBoard" ]

[ "def", "__init__", "(", "self", ",", "report_every", ",", "start_time", "=", "-", "1.", ",", "tensorboard_writer", "=", "None", ")", ":", "super", "(", "ReportMgr", ",", "self", ")", ".", "__init__", "(", "report_every", ",", "start_time", ")", "self", ".", "tensorboard_writer", "=", "tensorboard_writer" ]

[ "See", "base", "class", "method", "ReportMgrBase", ".", "report_training", "." ]

[ "def", "_report_training", "(", "self", ",", "step", ",", "num_steps", ",", "learning_rate", ",", "report_stats", ")", ":", "report_stats", ".", "output", "(", "step", ",", "num_steps", ",", "learning_rate", ",", "self", ".", "start_time", ")", "# Log the progress using the number of batches on the x-axis.", "self", ".", "maybe_log_tensorboard", "(", "report_stats", ",", "\"progress\"", ",", "learning_rate", ",", "self", ".", "progress_step", ")", "report_stats", "=", "onmt", ".", "utils", ".", "Statistics", "(", ")", "return", "report_stats" ]

[ "See", "base", "class", "method", "ReportMgrBase", ".", "report_step", "." ]

[ "def", "_report_step", "(", "self", ",", "lr", ",", "step", ",", "train_stats", "=", "None", ",", "valid_stats", "=", "None", ")", ":", "if", "train_stats", "is", "not", "None", ":", "self", ".", "log", "(", "'Train perplexity: %g'", "%", "train_stats", ".", "ppl", "(", ")", ")", "self", ".", "log", "(", "'Train accuracy: %g'", "%", "train_stats", ".", "accuracy", "(", ")", ")", "self", ".", "maybe_log_tensorboard", "(", "train_stats", ",", "\"train\"", ",", "lr", ",", "step", ")", "if", "valid_stats", "is", "not", "None", ":", "self", ".", "log", "(", "'Validation perplexity: %g'", "%", "valid_stats", ".", "ppl", "(", ")", ")", "self", ".", "log", "(", "'Validation accuracy: %g'", "%", "valid_stats", ".", "accuracy", "(", ")", ")", "self", ".", "maybe_log_tensorboard", "(", "valid_stats", ",", "\"valid\"", ",", "lr", ",", "step", ")" ]

[ "Compute", "the", "context", "vector", "and", "the", "attention", "vectors", "." ]

[ "def", "forward", "(", "self", ",", "key", ",", "value", ",", "query", ",", "mask", "=", "None", ",", "layer_cache", "=", "None", ",", "type", "=", "None", ")", ":", "# CHECKS", "# batch, k_len, d = key.size()", "# batch_, k_len_, d_ = value.size()", "# aeq(batch, batch_)", "# aeq(k_len, k_len_)", "# aeq(d, d_)", "# batch_, q_len, d_ = query.size()", "# aeq(batch, batch_)", "# aeq(d, d_)", "# aeq(self.model_dim % 8, 0)", "# if mask is not None:", "# batch_, q_len_, k_len_ = mask.size()", "# aeq(batch_, batch)", "# aeq(k_len_, k_len)", "# aeq(q_len_ == q_len)", "# END CHECKS", "batch_size", "=", "key", ".", "size", "(", "0", ")", "dim_per_head", "=", "self", ".", "dim_per_head", "head_count", "=", "self", ".", "head_count", "key_len", "=", "key", ".", "size", "(", "1", ")", "query_len", "=", "query", ".", "size", "(", "1", ")", "def", "shape", "(", "x", ")", ":", "\"\"\" projection \"\"\"", "return", "x", ".", "view", "(", "batch_size", ",", "-", "1", ",", "head_count", ",", "dim_per_head", ")", ".", "transpose", "(", "1", ",", "2", ")", "def", "unshape", "(", "x", ")", ":", "\"\"\" compute context \"\"\"", "return", "x", ".", "transpose", "(", "1", ",", "2", ")", ".", "contiguous", "(", ")", ".", "view", "(", "batch_size", ",", "-", "1", ",", "head_count", "*", "dim_per_head", ")", "# 1) Project key, value, and query.", "if", "layer_cache", "is", "not", "None", ":", "if", "type", "==", "\"self\"", ":", "query", ",", "key", ",", "value", "=", "self", ".", "linear_query", "(", "query", ")", ",", "self", ".", "linear_keys", "(", "query", ")", ",", "self", ".", "linear_values", "(", "query", ")", "key", "=", "shape", "(", "key", ")", "value", "=", "shape", "(", "value", ")", "if", "layer_cache", "is", "not", "None", ":", "device", "=", "key", ".", "device", "if", "layer_cache", "[", "\"self_keys\"", "]", "is", "not", "None", ":", "key", "=", "torch", ".", "cat", "(", "(", "layer_cache", "[", "\"self_keys\"", "]", ".", "to", "(", "device", ")", ",", "key", ")", ",", "dim", "=", "2", ")", "if", "layer_cache", "[", "\"self_values\"", "]", "is", "not", "None", ":", "value", "=", "torch", ".", "cat", "(", "(", "layer_cache", "[", "\"self_values\"", "]", ".", "to", "(", "device", ")", ",", "value", ")", ",", "dim", "=", "2", ")", "layer_cache", "[", "\"self_keys\"", "]", "=", "key", "layer_cache", "[", "\"self_values\"", "]", "=", "value", "elif", "type", "==", "\"context\"", ":", "query", "=", "self", ".", "linear_query", "(", "query", ")", "if", "layer_cache", "is", "not", "None", ":", "if", "layer_cache", "[", "\"memory_keys\"", "]", "is", "None", ":", "key", ",", "value", "=", "self", ".", "linear_keys", "(", "key", ")", ",", "self", ".", "linear_values", "(", "value", ")", "key", "=", "shape", "(", "key", ")", "value", "=", "shape", "(", "value", ")", "else", ":", "key", ",", "value", "=", "layer_cache", "[", "\"memory_keys\"", "]", ",", "layer_cache", "[", "\"memory_values\"", "]", "layer_cache", "[", "\"memory_keys\"", "]", "=", "key", "layer_cache", "[", "\"memory_values\"", "]", "=", "value", "else", ":", "key", ",", "value", "=", "self", ".", "linear_keys", "(", "key", ")", ",", "self", ".", "linear_values", "(", "value", ")", "key", "=", "shape", "(", "key", ")", "value", "=", "shape", "(", "value", ")", "else", ":", "key", "=", "self", ".", "linear_keys", "(", "key", ")", "value", "=", "self", ".", "linear_values", "(", "value", ")", "query", "=", "self", ".", "linear_query", "(", "query", ")", "key", "=", "shape", "(", "key", ")", "value", "=", "shape", "(", "value", ")", "query", "=", "shape", "(", "query", ")", "key_len", "=", "key", ".", "size", "(", "2", ")", "query_len", "=", "query", ".", "size", "(", "2", ")", "# 2) Calculate and scale scores.", "query", "=", "query", "/", "math", ".", "sqrt", "(", "dim_per_head", ")", "scores", "=", "torch", ".", "matmul", "(", "query", ",", "key", ".", "transpose", "(", "2", ",", "3", ")", ")", "if", "mask", "is", "not", "None", ":", "mask", "=", "mask", ".", "unsqueeze", "(", "1", ")", ".", "expand_as", "(", "scores", ")", "scores", "=", "scores", ".", "masked_fill", "(", "mask", ",", "-", "1e18", ")", "# 3) Apply attention dropout and compute context vectors.", "attn", "=", "self", ".", "softmax", "(", "scores", ")", "drop_attn", "=", "self", ".", "dropout", "(", "attn", ")", "context", "=", "unshape", "(", "torch", ".", "matmul", "(", "drop_attn", ",", "value", ")", ")", "output", "=", "self", ".", "final_linear", "(", "context", ")", "# CHECK", "# batch_, q_len_, d_ = output.size()", "# aeq(q_len, q_len_)", "# aeq(batch, batch_)", "# aeq(d, d_)", "# Return one attn", "top_attn", "=", "attn", ".", "view", "(", "batch_size", ",", "head_count", ",", "query_len", ",", "key_len", ")", "[", ":", ",", "0", ",", ":", ",", ":", "]", ".", "contiguous", "(", ")", "return", "output", ",", "top_attn" ]

[ "Layer", "definition", "." ]

[ "def", "forward", "(", "self", ",", "x", ")", ":", "inter", "=", "self", ".", "dropout_1", "(", "self", ".", "relu", "(", "self", ".", "w_1", "(", "self", ".", "layer_norm", "(", "x", ")", ")", ")", ")", "output", "=", "self", ".", "dropout_2", "(", "self", ".", "w_2", "(", "inter", ")", ")", "return", "output", "+", "x" ]

[ "z", ":", "any", "dimension", "dim", ":", "dimension", "along", "which", "to", "apply", "the", "sparsemax" ]

[ "def", "threshold_and_support", "(", "z", ",", "dim", "=", "0", ")", ":", "sorted_z", ",", "_", "=", "torch", ".", "sort", "(", "z", ",", "descending", "=", "True", ",", "dim", "=", "dim", ")", "z_sum", "=", "sorted_z", ".", "cumsum", "(", "dim", ")", "-", "1", "# sort of a misnomer", "k", "=", "torch", ".", "arange", "(", "1", ",", "sorted_z", ".", "size", "(", "dim", ")", "+", "1", ",", "device", "=", "z", ".", "device", ")", ".", "float", "(", ")", ".", "view", "(", "torch", ".", "Size", "(", "[", "-", "1", "]", "+", "[", "1", "]", "*", "(", "z", ".", "dim", "(", ")", "-", "1", ")", ")", ")", ".", "transpose", "(", "0", ",", "dim", ")", "support", "=", "k", "*", "sorted_z", ">", "z_sum", "k_z_indices", "=", "support", ".", "sum", "(", "dim", "=", "dim", ")", ".", "unsqueeze", "(", "dim", ")", "k_z", "=", "k_z_indices", ".", "float", "(", ")", "tau_z", "=", "z_sum", ".", "gather", "(", "dim", ",", "k_z_indices", "-", "1", ")", "/", "k_z", "return", "tau_z", ",", "k_z" ]

[ "input", "(", "FloatTensor", ")", ":", "any", "shape", "returns", "(", "FloatTensor", ")", ":", "same", "shape", "with", "sparsemax", "computed", "on", "given", "dim" ]

[ "def", "forward", "(", "ctx", ",", "input", ",", "dim", "=", "0", ")", ":", "ctx", ".", "dim", "=", "dim", "tau_z", ",", "k_z", "=", "threshold_and_support", "(", "input", ",", "dim", "=", "dim", ")", "output", "=", "torch", ".", "clamp", "(", "input", "-", "tau_z", ",", "min", "=", "0", ")", "ctx", ".", "save_for_backward", "(", "k_z", ",", "output", ")", "return", "output" ]

[]

[ "def", "mmr_score", "(", "self", ",", "inputs", ",", "output", ")", ":" ]

[ "Args", ":", "h_t", "(", "FloatTensor", ")", ":", "sequence", "of", "queries", "[", "batch", "x", "tgt_len", "x", "dim", "]", "h_s", "(", "FloatTensor", ")", ":", "sequence", "of", "sources", "[", "batch", "x", "src_len", "x", "dim", "]" ]

[ "def", "score", "(", "self", ",", "h_t", ",", "h_s", ")", ":", "# target length is 1 (tgt_len)", "# Check input sizes", "src_batch", ",", "src_len", ",", "src_dim", "=", "h_s", ".", "size", "(", ")", "tgt_batch", ",", "tgt_len", ",", "tgt_dim", "=", "h_t", ".", "size", "(", ")", "aeq", "(", "src_batch", ",", "tgt_batch", ")", "aeq", "(", "src_dim", ",", "tgt_dim", ")", "aeq", "(", "self", ".", "dim", ",", "src_dim", ")", "if", "self", ".", "attn_type", "in", "[", "\"general\"", ",", "\"dot\"", "]", ":", "if", "self", ".", "attn_type", "==", "\"general\"", ":", "h_t_", "=", "h_t", ".", "view", "(", "tgt_batch", "*", "tgt_len", ",", "tgt_dim", ")", "h_t_", "=", "self", ".", "linear_in", "(", "h_t_", ")", "h_t", "=", "h_t_", ".", "view", "(", "tgt_batch", ",", "tgt_len", ",", "tgt_dim", ")", "h_s_", "=", "h_s", ".", "transpose", "(", "1", ",", "2", ")", "# (batch, t_len, d) x (batch, d, s_len) --> (batch, t_len, s_len)", "# print('tgt_len, src_len...', tgt_len, src_len) tgt_len=1, src_len is various", "return", "torch", ".", "bmm", "(", "h_t", ",", "h_s_", ")", "# Performs a batch matrix-matrix product of matrices", "else", ":", "# normal attention", "dim", "=", "self", ".", "dim", "wq", "=", "self", ".", "linear_query", "(", "h_t", ".", "view", "(", "-", "1", ",", "dim", ")", ")", "wq", "=", "wq", ".", "view", "(", "tgt_batch", ",", "tgt_len", ",", "1", ",", "dim", ")", "wq", "=", "wq", ".", "expand", "(", "tgt_batch", ",", "tgt_len", ",", "src_len", ",", "dim", ")", "uh", "=", "self", ".", "linear_context", "(", "h_s", ".", "contiguous", "(", ")", ".", "view", "(", "-", "1", ",", "dim", ")", ")", "uh", "=", "uh", ".", "view", "(", "src_batch", ",", "1", ",", "src_len", ",", "dim", ")", "uh", "=", "uh", ".", "expand", "(", "src_batch", ",", "tgt_len", ",", "src_len", ",", "dim", ")", "# (batch, t_len, s_len, d)", "wquh", "=", "torch", ".", "tanh", "(", "wq", "+", "uh", ")", "return", "self", ".", "v", "(", "wquh", ".", "view", "(", "-", "1", ",", "dim", ")", ")", ".", "view", "(", "tgt_batch", ",", "tgt_len", ",", "src_len", ")" ]

[]

[ "def", "forward", "(", "self", ",", "source", ",", "memory_bank", ",", "memory_lengths", "=", "None", ",", "coverage", "=", "None", ")", ":", "# print ('Source..',source.size())", "# print ('memory_bank..',memory_bank.size())", "# Source..torch.Size([16, 512])", "# memory_bank..torch.Size([16, 400, 512])", "# one step input", "if", "source", ".", "dim", "(", ")", "==", "2", ":", "one_step", "=", "True", "source", "=", "source", ".", "unsqueeze", "(", "1", ")", "else", ":", "one_step", "=", "False", "batch", ",", "source_l", ",", "dim", "=", "memory_bank", ".", "size", "(", ")", "batch_", ",", "target_l", ",", "dim_", "=", "source", ".", "size", "(", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "dim", ",", "dim_", ")", "aeq", "(", "self", ".", "dim", ",", "dim", ")", "if", "coverage", "is", "not", "None", ":", "batch_", ",", "source_l_", "=", "coverage", ".", "size", "(", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "source_l", ",", "source_l_", ")", "if", "coverage", "is", "not", "None", ":", "cover", "=", "coverage", ".", "view", "(", "-", "1", ")", ".", "unsqueeze", "(", "1", ")", "memory_bank", "+=", "self", ".", "linear_cover", "(", "cover", ")", ".", "view_as", "(", "memory_bank", ")", "memory_bank", "=", "torch", ".", "tanh", "(", "memory_bank", ")", "# compute attention scores, as in Luong et al.", "align", "=", "self", ".", "score", "(", "source", ",", "memory_bank", ")", "if", "memory_lengths", "is", "not", "None", ":", "#????", "mask", "=", "sequence_mask", "(", "memory_lengths", ",", "max_len", "=", "align", ".", "size", "(", "-", "1", ")", ")", "mask", "=", "mask", ".", "unsqueeze", "(", "1", ")", "# Make it broadcastable.", "align", ".", "masked_fill_", "(", "1", "-", "mask", ",", "-", "float", "(", "'inf'", ")", ")", "# Softmax or sparsemax to normalize attention weights", "if", "self", ".", "attn_func", "==", "\"softmax\"", ":", "align_vectors", "=", "F", ".", "softmax", "(", "align", ".", "view", "(", "batch", "*", "target_l", ",", "source_l", ")", ",", "-", "1", ")", "else", ":", "align_vectors", "=", "sparsemax", "(", "align", ".", "view", "(", "batch", "*", "target_l", ",", "source_l", ")", ",", "-", "1", ")", "align_vectors", "=", "align_vectors", ".", "view", "(", "batch", ",", "target_l", ",", "source_l", ")", "# each context vector c_t is the weighted average", "# over all the source hidden states", "c", "=", "torch", ".", "bmm", "(", "align_vectors", ",", "memory_bank", ")", "# concatenate", "concat_c", "=", "torch", ".", "cat", "(", "[", "c", ",", "source", "]", ",", "2", ")", ".", "view", "(", "batch", "*", "target_l", ",", "dim", "*", "2", ")", "attn_h", "=", "self", ".", "linear_out", "(", "concat_c", ")", ".", "view", "(", "batch", ",", "target_l", ",", "dim", ")", "if", "self", ".", "attn_type", "in", "[", "\"general\"", ",", "\"dot\"", "]", ":", "attn_h", "=", "torch", ".", "tanh", "(", "attn_h", ")", "if", "one_step", ":", "attn_h", "=", "attn_h", ".", "squeeze", "(", "1", ")", "align_vectors", "=", "align_vectors", ".", "squeeze", "(", "1", ")", "# Check output sizes", "batch_", ",", "dim_", "=", "attn_h", ".", "size", "(", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "dim", ",", "dim_", ")", "batch_", ",", "source_l_", "=", "align_vectors", ".", "size", "(", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "source_l", ",", "source_l_", ")", "else", ":", "attn_h", "=", "attn_h", ".", "transpose", "(", "0", ",", "1", ")", ".", "contiguous", "(", ")", "align_vectors", "=", "align_vectors", ".", "transpose", "(", "0", ",", "1", ")", ".", "contiguous", "(", ")", "# Check output sizes", "target_l_", ",", "batch_", ",", "dim_", "=", "attn_h", ".", "size", "(", ")", "aeq", "(", "target_l", ",", "target_l_", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "dim", ",", "dim_", ")", "target_l_", ",", "batch_", ",", "source_l_", "=", "align_vectors", ".", "size", "(", ")", "aeq", "(", "target_l", ",", "target_l_", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "source_l", ",", "source_l_", ")", "# print ('Atten Hidden...',attn_h.size()) # torch.Size([16, 512])", "# print ('Align...',align_vectors.size()) # torch.Size([16, 400])", "return", "attn_h", ",", "align_vectors" ]

[ "Returns", "the", "correct", "ContextGate", "class" ]

[ "def", "context_gate_factory", "(", "gate_type", ",", "embeddings_size", ",", "decoder_size", ",", "attention_size", ",", "output_size", ")", ":", "gate_types", "=", "{", "'source'", ":", "SourceContextGate", ",", "'target'", ":", "TargetContextGate", ",", "'both'", ":", "BothContextGate", "}", "assert", "gate_type", "in", "gate_types", ",", "\"Not valid ContextGate type: {0}\"", ".", "format", "(", "gate_type", ")", "return", "gate_types", "[", "gate_type", "]", "(", "embeddings_size", ",", "decoder_size", ",", "attention_size", ",", "output_size", ")" ]

[ "Builds", "the", "mask", "to", "compute", "the", "cumulative", "average", "as", "described", "in", "https", ":", "//", "arxiv", ".", "org", "/", "abs", "/", "1805", ".", "00631", "--", "Figure", "3" ]

[ "def", "cumulative_average_mask", "(", "self", ",", "batch_size", ",", "inputs_len", ")", ":", "triangle", "=", "torch", ".", "tril", "(", "torch", ".", "ones", "(", "inputs_len", ",", "inputs_len", ")", ")", "weights", "=", "torch", ".", "ones", "(", "1", ",", "inputs_len", ")", "/", "torch", ".", "arange", "(", "1", ",", "inputs_len", "+", "1", ",", "dtype", "=", "torch", ".", "float", ")", "mask", "=", "triangle", "*", "weights", ".", "transpose", "(", "0", ",", "1", ")", "return", "mask", ".", "unsqueeze", "(", "0", ")", ".", "expand", "(", "batch_size", ",", "inputs_len", ",", "inputs_len", ")" ]

[ "Computes", "the", "cumulative", "average", "as", "described", "in", "https", ":", "//", "arxiv", ".", "org", "/", "abs", "/", "1805", ".", "00631", "--", "Equations", "(", "1", ")", "(", "5", ")", "(", "6", ")" ]

[ "def", "cumulative_average", "(", "self", ",", "inputs", ",", "mask_or_step", ",", "layer_cache", "=", "None", ",", "step", "=", "None", ")", ":", "if", "layer_cache", "is", "not", "None", ":", "step", "=", "mask_or_step", "device", "=", "inputs", ".", "device", "average_attention", "=", "(", "inputs", "+", "step", "*", "layer_cache", "[", "\"prev_g\"", "]", ".", "to", "(", "device", ")", ")", "/", "(", "step", "+", "1", ")", "layer_cache", "[", "\"prev_g\"", "]", "=", "average_attention", "return", "average_attention", "else", ":", "mask", "=", "mask_or_step", "return", "torch", ".", "matmul", "(", "mask", ",", "inputs", ")" ]

[ "Args", ":", "inputs", "(", "FloatTensor", ")", ":", "[", "batch_size", "x", "input_len", "x", "model_dim", "]" ]

[ "def", "forward", "(", "self", ",", "inputs", ",", "mask", "=", "None", ",", "layer_cache", "=", "None", ",", "step", "=", "None", ")", ":", "batch_size", "=", "inputs", ".", "size", "(", "0", ")", "inputs_len", "=", "inputs", ".", "size", "(", "1", ")", "device", "=", "inputs", ".", "device", "average_outputs", "=", "self", ".", "cumulative_average", "(", "inputs", ",", "self", ".", "cumulative_average_mask", "(", "batch_size", ",", "inputs_len", ")", ".", "to", "(", "device", ")", ".", "float", "(", ")", "if", "layer_cache", "is", "None", "else", "step", ",", "layer_cache", "=", "layer_cache", ")", "average_outputs", "=", "self", ".", "average_layer", "(", "average_outputs", ")", "gating_outputs", "=", "self", ".", "gating_layer", "(", "torch", ".", "cat", "(", "(", "inputs", ",", "average_outputs", ")", ",", "-", "1", ")", ")", "input_gate", ",", "forget_gate", "=", "torch", ".", "chunk", "(", "gating_outputs", ",", "2", ",", "dim", "=", "2", ")", "gating_outputs", "=", "torch", ".", "sigmoid", "(", "input_gate", ")", "*", "inputs", "+", "torch", ".", "sigmoid", "(", "forget_gate", ")", "*", "average_outputs", "return", "gating_outputs", ",", "average_outputs" ]

[ "Compute", "a", "distribution", "over", "the", "target", "dictionary", "extended", "by", "the", "dynamic", "dictionary", "implied", "by", "compying", "source", "words", "." ]

[ "def", "forward", "(", "self", ",", "hidden", ",", "attn", ",", "src_map", ")", ":", "# CHECKS", "batch_by_tlen", ",", "_", "=", "hidden", ".", "size", "(", ")", "batch_by_tlen_", ",", "slen", "=", "attn", ".", "size", "(", ")", "slen_", ",", "batch", ",", "cvocab", "=", "src_map", ".", "size", "(", ")", "aeq", "(", "batch_by_tlen", ",", "batch_by_tlen_", ")", "aeq", "(", "slen", ",", "slen_", ")", "# Original probabilities.", "logits", "=", "self", ".", "linear", "(", "hidden", ")", "logits", "[", ":", ",", "self", ".", "tgt_dict", ".", "stoi", "[", "inputters", ".", "PAD_WORD", "]", "]", "=", "-", "float", "(", "'inf'", ")", "prob", "=", "self", ".", "softmax", "(", "logits", ")", "# Probability of copying p(z=1) batch.", "p_copy", "=", "self", ".", "sigmoid", "(", "self", ".", "linear_copy", "(", "hidden", ")", ")", "# Probibility of not copying: p_{word}(w) * (1 - p(z))", "out_prob", "=", "torch", ".", "mul", "(", "prob", ",", "1", "-", "p_copy", ".", "expand_as", "(", "prob", ")", ")", "mul_attn", "=", "torch", ".", "mul", "(", "attn", ",", "p_copy", ".", "expand_as", "(", "attn", ")", ")", "copy_prob", "=", "torch", ".", "bmm", "(", "mul_attn", ".", "view", "(", "-", "1", ",", "batch", ",", "slen", ")", ".", "transpose", "(", "0", ",", "1", ")", ",", "src_map", ".", "transpose", "(", "0", ",", "1", ")", ")", ".", "transpose", "(", "0", ",", "1", ")", "copy_prob", "=", "copy_prob", ".", "contiguous", "(", ")", ".", "view", "(", "-", "1", ",", "cvocab", ")", "return", "torch", ".", "cat", "(", "[", "out_prob", ",", "copy_prob", "]", ",", "1", ")" ]

[ "See", "base", "class", "for", "args", "description", "." ]

[ "def", "_make_shard_state", "(", "self", ",", "batch", ",", "output", ",", "range_", ",", "attns", ")", ":", "if", "getattr", "(", "batch", ",", "\"alignment\"", ",", "None", ")", "is", "None", ":", "raise", "AssertionError", "(", "\"using -copy_attn you need to pass in \"", "\"-dynamic_dict during preprocess stage.\"", ")", "return", "{", "\"output\"", ":", "output", ",", "\"target\"", ":", "batch", ".", "tgt", "[", "range_", "[", "0", "]", "+", "1", ":", "range_", "[", "1", "]", "]", ",", "\"copy_attn\"", ":", "attns", ".", "get", "(", "\"copy\"", ")", ",", "\"align\"", ":", "batch", ".", "alignment", "[", "range_", "[", "0", "]", "+", "1", ":", "range_", "[", "1", "]", "]", "}" ]

[ "Compute", "the", "loss", ".", "The", "args", "must", "match", "self", ".", "_make_shard_state", "()", ".", "Args", ":", "batch", ":", "the", "current", "batch", ".", "output", ":", "the", "predict", "output", "from", "the", "model", ".", "target", ":", "the", "validate", "target", "to", "compare", "output", "with", ".", "copy_attn", ":", "the", "copy", "attention", "value", ".", "align", ":", "the", "align", "info", "." ]

[ "def", "_compute_loss", "(", "self", ",", "batch", ",", "output", ",", "target", ",", "copy_attn", ",", "align", ")", ":", "target", "=", "target", ".", "view", "(", "-", "1", ")", "align", "=", "align", ".", "view", "(", "-", "1", ")", "scores", "=", "self", ".", "generator", "(", "self", ".", "_bottle", "(", "output", ")", ",", "self", ".", "_bottle", "(", "copy_attn", ")", ",", "batch", ".", "src_map", ")", "loss", "=", "self", ".", "criterion", "(", "scores", ",", "align", ",", "target", ")", "scores_data", "=", "scores", ".", "data", ".", "clone", "(", ")", "scores_data", "=", "inputters", ".", "TextDataset", ".", "collapse_copy_scores", "(", "self", ".", "_unbottle", "(", "scores_data", ",", "batch", ".", "batch_size", ")", ",", "batch", ",", "self", ".", "tgt_vocab", ",", "batch", ".", "dataset", ".", "src_vocabs", ")", "scores_data", "=", "self", ".", "_bottle", "(", "scores_data", ")", "# Correct target copy token instead of <unk>", "# tgt[i] = align[i] + len(tgt_vocab)", "# for i such that tgt[i] == 0 and align[i] != 0", "target_data", "=", "target", ".", "data", ".", "clone", "(", ")", "correct_mask", "=", "target_data", ".", "eq", "(", "0", ")", "*", "align", ".", "data", ".", "ne", "(", "0", ")", "correct_copy", "=", "(", "align", ".", "data", "+", "len", "(", "self", ".", "tgt_vocab", ")", ")", "*", "correct_mask", ".", "long", "(", ")", "target_data", "=", "target_data", "+", "correct_copy", "# Compute sum of perplexities for stats", "loss_data", "=", "loss", ".", "sum", "(", ")", ".", "data", ".", "clone", "(", ")", "stats", "=", "self", ".", "_stats", "(", "loss_data", ",", "scores_data", ",", "target_data", ")", "if", "self", ".", "normalize_by_length", ":", "# Compute Loss as NLL divided by seq length", "# Compute Sequence Lengths", "pad_ix", "=", "batch", ".", "dataset", ".", "fields", "[", "'tgt'", "]", ".", "vocab", ".", "stoi", "[", "inputters", ".", "PAD_WORD", "]", "tgt_lens", "=", "batch", ".", "tgt", ".", "ne", "(", "pad_ix", ")", ".", "float", "(", ")", ".", "sum", "(", "0", ")", "# Compute Total Loss per sequence in batch", "loss", "=", "loss", ".", "view", "(", "-", "1", ",", "batch", ".", "batch_size", ")", ".", "sum", "(", "0", ")", "# Divide by length of each sequence and sum", "loss", "=", "torch", ".", "div", "(", "loss", ",", "tgt_lens", ")", ".", "sum", "(", ")", "else", ":", "loss", "=", "loss", ".", "sum", "(", ")", "return", "loss", ",", "stats" ]

[ "word", "look", "-", "up", "table" ]

[ "def", "word_lut", "(", "self", ")", ":", "return", "self", ".", "make_embedding", "[", "0", "]", "[", "0", "]" ]

[ "embedding", "look", "-", "up", "table" ]

[ "def", "emb_luts", "(", "self", ")", ":", "return", "self", ".", "make_embedding", "[", "0", "]" ]

[ "Load", "in", "pretrained", "embeddings", "." ]

[ "def", "load_pretrained_vectors", "(", "self", ",", "emb_file", ",", "fixed", ")", ":", "if", "emb_file", ":", "pretrained", "=", "torch", ".", "load", "(", "emb_file", ")", "pretrained_vec_size", "=", "pretrained", ".", "size", "(", "1", ")", "if", "self", ".", "word_vec_size", ">", "pretrained_vec_size", ":", "self", ".", "word_lut", ".", "weight", ".", "data", "[", ":", ",", ":", "pretrained_vec_size", "]", "=", "pretrained", "elif", "self", ".", "word_vec_size", "<", "pretrained_vec_size", ":", "self", ".", "word_lut", ".", "weight", ".", "data", ".", "copy_", "(", "pretrained", "[", ":", ",", ":", "self", ".", "word_vec_size", "]", ")", "else", ":", "self", ".", "word_lut", ".", "weight", ".", "data", ".", "copy_", "(", "pretrained", ")", "if", "fixed", ":", "self", ".", "word_lut", ".", "weight", ".", "requires_grad", "=", "False" ]

[ "Computes", "the", "embeddings", "for", "words", "and", "features", "." ]

[ "def", "forward", "(", "self", ",", "source", ",", "step", "=", "None", ")", ":", "if", "self", ".", "position_encoding", ":", "for", "i", ",", "module", "in", "enumerate", "(", "self", ".", "make_embedding", ".", "_modules", ".", "values", "(", ")", ")", ":", "if", "i", "==", "len", "(", "self", ".", "make_embedding", ".", "_modules", ".", "values", "(", ")", ")", "-", "1", ":", "source", "=", "module", "(", "source", ",", "step", "=", "step", ")", "else", ":", "source", "=", "module", "(", "source", ")", "else", ":", "source", "=", "self", ".", "make_embedding", "(", "source", ")", "return", "source" ]

[ "input", "(", "FloatTensor", ")", ":", "n", "x", "num_classes", "target", "(", "LongTensor", ")", ":", "n", "the", "indices", "of", "the", "target", "classes" ]

[ "def", "forward", "(", "ctx", ",", "input", ",", "target", ")", ":", "input_batch", ",", "classes", "=", "input", ".", "size", "(", ")", "target_batch", "=", "target", ".", "size", "(", "0", ")", "aeq", "(", "input_batch", ",", "target_batch", ")", "z_k", "=", "input", ".", "gather", "(", "1", ",", "target", ".", "unsqueeze", "(", "1", ")", ")", ".", "squeeze", "(", ")", "tau_z", ",", "support_size", "=", "threshold_and_support", "(", "input", ",", "dim", "=", "1", ")", "support", "=", "input", ">", "tau_z", "x", "=", "torch", ".", "where", "(", "support", ",", "input", "**", "2", "-", "tau_z", "**", "2", ",", "torch", ".", "tensor", "(", "0.0", ",", "device", "=", "input", ".", "device", ")", ")", ".", "sum", "(", "dim", "=", "1", ")", "ctx", ".", "save_for_backward", "(", "input", ",", "target", ",", "tau_z", ")", "# clamping necessary because of numerical errors: loss should be lower", "# bounded by zero, but negative values near zero are possible without", "# the clamp", "return", "torch", ".", "clamp", "(", "x", "/", "2", "-", "z_k", "+", "0.5", ",", "min", "=", "0.0", ")" ]

[ "linear", "transform", "for", "3", "-", "d", "tensor" ]

[ "def", "seq_linear", "(", "linear", ",", "x", ")", ":", "batch", ",", "hidden_size", ",", "length", ",", "_", "=", "x", ".", "size", "(", ")", "h", "=", "linear", "(", "torch", ".", "transpose", "(", "x", ",", "1", ",", "2", ")", ".", "contiguous", "(", ")", ".", "view", "(", "batch", "*", "length", ",", "hidden_size", ")", ")", "return", "torch", ".", "transpose", "(", "h", ".", "view", "(", "batch", ",", "length", ",", "hidden_size", ",", "1", ")", ",", "1", ",", "2", ")" ]

[ "Apply", "mask" ]

[ "def", "apply_mask", "(", "self", ",", "mask", ")", ":", "self", ".", "mask", "=", "mask" ]

[ "Args", ":", "base_target_emb", ":", "target", "emb", "tensor", "input", ":", "output", "of", "decode", "conv", "encoder_out_t", ":", "the", "key", "matrix", "for", "calculation", "of", "attetion", "weight", "which", "is", "the", "top", "output", "of", "encode", "conv", "encoder_out_combine", ":", "the", "value", "matrix", "for", "the", "attention", "-", "weighted", "sum", "which", "is", "the", "combination", "of", "base", "emb", "and", "top", "output", "of", "encode" ]

[ "def", "forward", "(", "self", ",", "base_target_emb", ",", "input_from_dec", ",", "encoder_out_top", ",", "encoder_out_combine", ")", ":", "# checks", "# batch, channel, height, width = base_target_emb.size()", "batch", ",", "_", ",", "height", ",", "_", "=", "base_target_emb", ".", "size", "(", ")", "# batch_, channel_, height_, width_ = input_from_dec.size()", "batch_", ",", "_", ",", "height_", ",", "_", "=", "input_from_dec", ".", "size", "(", ")", "aeq", "(", "batch", ",", "batch_", ")", "aeq", "(", "height", ",", "height_", ")", "# enc_batch, enc_channel, enc_height = encoder_out_top.size()", "enc_batch", ",", "_", ",", "enc_height", "=", "encoder_out_top", ".", "size", "(", ")", "# enc_batch_, enc_channel_, enc_height_ = encoder_out_combine.size()", "enc_batch_", ",", "_", ",", "enc_height_", "=", "encoder_out_combine", ".", "size", "(", ")", "aeq", "(", "enc_batch", ",", "enc_batch_", ")", "aeq", "(", "enc_height", ",", "enc_height_", ")", "preatt", "=", "seq_linear", "(", "self", ".", "linear_in", ",", "input_from_dec", ")", "target", "=", "(", "base_target_emb", "+", "preatt", ")", "*", "SCALE_WEIGHT", "target", "=", "torch", ".", "squeeze", "(", "target", ",", "3", ")", "target", "=", "torch", ".", "transpose", "(", "target", ",", "1", ",", "2", ")", "pre_attn", "=", "torch", ".", "bmm", "(", "target", ",", "encoder_out_top", ")", "if", "self", ".", "mask", "is", "not", "None", ":", "pre_attn", ".", "data", ".", "masked_fill_", "(", "self", ".", "mask", ",", "-", "float", "(", "'inf'", ")", ")", "pre_attn", "=", "pre_attn", ".", "transpose", "(", "0", ",", "2", ")", "attn", "=", "F", ".", "softmax", "(", "pre_attn", ",", "dim", "=", "-", "1", ")", "attn", "=", "attn", ".", "transpose", "(", "0", ",", "2", ")", ".", "contiguous", "(", ")", "context_output", "=", "torch", ".", "bmm", "(", "attn", ",", "torch", ".", "transpose", "(", "encoder_out_combine", ",", "1", ",", "2", ")", ")", "context_output", "=", "torch", ".", "transpose", "(", "torch", ".", "unsqueeze", "(", "context_output", ",", "3", ")", ",", "1", ",", "2", ")", "return", "context_output", ",", "attn" ]

[ "utility", "for", "retrieving", "polyak", "averaged", "params", "Update", "average" ]

[ "def", "get_var_maybe_avg", "(", "namespace", ",", "var_name", ",", "training", ",", "polyak_decay", ")", ":", "v", "=", "getattr", "(", "namespace", ",", "var_name", ")", "v_avg", "=", "getattr", "(", "namespace", ",", "var_name", "+", "'_avg'", ")", "v_avg", "-=", "(", "1", "-", "polyak_decay", ")", "*", "(", "v_avg", "-", "v", ".", "data", ")", "if", "training", ":", "return", "v", "else", ":", "return", "v_avg" ]

[ "utility", "for", "retrieving", "polyak", "averaged", "params" ]

[ "def", "get_vars_maybe_avg", "(", "namespace", ",", "var_names", ",", "training", ",", "polyak_decay", ")", ":", "vars", "=", "[", "]", "for", "vn", "in", "var_names", ":", "vars", ".", "append", "(", "get_var_maybe_avg", "(", "namespace", ",", "vn", ",", "training", ",", "polyak_decay", ")", ")", "return", "vars" ]

[ "This", "is", "a", "hack", ".", "Something", "is", "broken", "with", "torch", "pickle", "." ]

[ "def", "__reduce_ex__", "(", "self", ",", "proto", ")", ":", "return", "super", "(", "DatasetBase", ",", "self", ")", ".", "__reduce_ex__", "(", ")" ]

[ "Load", "fields", "from", "vocab", ".", "pt", "and", "set", "the", "fields", "attribute", "." ]

[ "def", "load_fields", "(", "self", ",", "vocab_dict", ")", ":", "fields", "=", "onmt", ".", "inputters", ".", "inputter", ".", "load_fields_from_vocab", "(", "vocab_dict", ".", "items", "(", ")", ",", "self", ".", "data_type", ")", "self", ".", "fields", "=", "dict", "(", "[", "(", "k", ",", "f", ")", "for", "(", "k", ",", "f", ")", "in", "fields", ".", "items", "(", ")", "if", "k", "in", "self", ".", "examples", "[", "0", "]", ".", "__dict__", "]", ")" ]

[ "Args", ":", "tokens", ":", "A", "list", "of", "tokens", "where", "each", "token", "consists", "of", "a", "word", "optionally", "followed", "by", "u", "￨", "-", "delimited", "features", ".", "Returns", ":", "A", "sequence", "of", "words", "a", "sequence", "of", "features", "and", "num", "of", "features", "." ]

[ "def", "extract_text_features", "(", "tokens", ")", ":", "if", "not", "tokens", ":", "return", "[", "]", ",", "[", "]", ",", "-", "1", "specials", "=", "[", "PAD_WORD", ",", "UNK_WORD", ",", "BOS_WORD", ",", "EOS_WORD", "]", "words", "=", "[", "]", "features", "=", "[", "]", "n_feats", "=", "None", "#TODO We stop here", "for", "token", "in", "tokens", ":", "split_token", "=", "token", ".", "split", "(", "u\"￨\")", "", "assert", "all", "(", "[", "special", "!=", "split_token", "[", "0", "]", "for", "special", "in", "specials", "]", ")", ",", "\"Dataset cannot contain Special Tokens\"", "if", "split_token", "[", "0", "]", ":", "words", "+=", "[", "split_token", "[", "0", "]", "]", "features", "+=", "[", "split_token", "[", "1", ":", "]", "]", "if", "n_feats", "is", "None", ":", "n_feats", "=", "len", "(", "split_token", ")", "else", ":", "assert", "len", "(", "split_token", ")", "==", "n_feats", ",", "\"all words must have the same number of features\"", "features", "=", "list", "(", "zip", "(", "*", "features", ")", ")", "return", "tuple", "(", "words", ")", ",", "features", ",", "n_feats", "-", "1" ]

[ "Args", ":", "dictionaries", "with", "disjoint", "keys", "." ]

[ "def", "_join_dicts", "(", "self", ",", "*", "args", ")", ":", "return", "dict", "(", "chain", "(", "*", "[", "d", ".", "items", "(", ")", "for", "d", "in", "args", "]", ")", ")" ]

[ "Args", ":", "seq", ":", "an", "iterator", "." ]

[ "def", "_peek", "(", "self", ",", "seq", ")", ":", "first", "=", "next", "(", "seq", ")", "return", "first", ",", "chain", "(", "[", "first", "]", ",", "seq", ")" ]

[ "Args", ":", "data", ":", "the", "data", "to", "be", "set", "as", "the", "value", "of", "the", "attributes", "of", "the", "to", "-", "be", "-", "created", "Example", "associating", "with", "respective", "Field", "objects", "with", "same", "key", ".", "fields", ":", "a", "dict", "of", "torchtext", ".", "data", ".", "Field", "objects", ".", "The", "keys", "are", "attributes", "of", "the", "to", "-", "be", "-", "created", "Example", "." ]

[ "def", "_construct_example_fromlist", "(", "self", ",", "data", ",", "fields", ")", ":", "ex", "=", "torchtext", ".", "data", ".", "Example", "(", ")", "# import pdb;pdb.set_trace()", "for", "(", "name", ",", "field", ")", ",", "val", "in", "zip", "(", "fields", ",", "data", ")", ":", "if", "field", "is", "not", "None", ":", "setattr", "(", "ex", ",", "name", ",", "field", ".", "preprocess", "(", "val", ")", ")", "else", ":", "setattr", "(", "ex", ",", "name", ",", "val", ")", "return", "ex" ]

[ "Sort", "using", "length", "of", "source", "sentences", "." ]

[ "def", "sort_key", "(", "self", ",", "ex", ")", ":", "# Default to a balanced sort, prioritizing tgt len match.", "# TODO: make this configurable.", "if", "hasattr", "(", "ex", ",", "\"tgt\"", ")", ":", "return", "len", "(", "ex", ".", "src", ")", ",", "len", "(", "ex", ".", "tgt", ")", "return", "len", "(", "ex", ".", "src", ")" ]

[ "Given", "scores", "from", "an", "expanded", "dictionary", "corresponeding", "to", "a", "batch", "sums", "together", "copies", "with", "a", "dictionary", "word", "when", "it", "is", "ambigious", "." ]

[ "def", "collapse_copy_scores", "(", "scores", ",", "batch", ",", "tgt_vocab", ",", "src_vocabs", ")", ":", "offset", "=", "len", "(", "tgt_vocab", ")", "for", "b", "in", "range", "(", "batch", ".", "batch_size", ")", ":", "blank", "=", "[", "]", "fill", "=", "[", "]", "index", "=", "batch", ".", "indices", ".", "data", "[", "b", "]", "src_vocab", "=", "src_vocabs", "[", "index", "]", "for", "i", "in", "range", "(", "1", ",", "len", "(", "src_vocab", ")", ")", ":", "sw", "=", "src_vocab", ".", "itos", "[", "i", "]", "ti", "=", "tgt_vocab", ".", "stoi", "[", "sw", "]", "if", "ti", "!=", "0", ":", "blank", ".", "append", "(", "offset", "+", "i", ")", "fill", ".", "append", "(", "ti", ")", "if", "blank", ":", "blank", "=", "torch", ".", "Tensor", "(", "blank", ")", ".", "type_as", "(", "batch", ".", "indices", ".", "data", ")", "fill", "=", "torch", ".", "Tensor", "(", "fill", ")", ".", "type_as", "(", "batch", ".", "indices", ".", "data", ")", "scores", "[", ":", ",", "b", "]", ".", "index_add_", "(", "1", ",", "fill", ",", "scores", "[", ":", ",", "b", "]", ".", "index_select", "(", "1", ",", "blank", ")", ")", "scores", "[", ":", ",", "b", "]", ".", "index_fill_", "(", "1", ",", "blank", ",", "1e-10", ")", "return", "scores" ]

[ "Args", ":", "text_iter", "(", "iterator", ")", ":", "an", "iterator", "(", "or", "None", ")", "that", "we", "can", "loop", "over", "to", "read", "examples", ".", "It", "may", "be", "an", "openned", "file", "a", "string", "list", "etc", "...", "text_path", "(", "str", ")", ":", "path", "to", "file", "or", "None", "path", "(", "str", ")", ":", "location", "of", "a", "src", "or", "tgt", "file", ".", "truncate", "(", "int", ")", ":", "maximum", "sequence", "length", "(", "0", "for", "unlimited", ")", ".", "side", "(", "str", ")", ":", "src", "or", "tgt", "." ]

[ "def", "make_text_examples_nfeats_tpl", "(", "text_iter", ",", "text_path", ",", "truncate", ",", "side", ")", ":", "assert", "side", "in", "[", "'src'", ",", "'tgt'", "]", "if", "text_iter", "is", "None", ":", "if", "text_path", "is", "not", "None", ":", "text_iter", "=", "TextDataset", ".", "make_text_iterator_from_file", "(", "text_path", ")", "else", ":", "return", "(", "None", ",", "0", ")", "# All examples have same number of features, so we peek first one", "# to get the num_feats.", "examples_nfeats_iter", "=", "TextDataset", ".", "make_examples", "(", "text_iter", ",", "truncate", ",", "side", ")", "first_ex", "=", "next", "(", "examples_nfeats_iter", ")", "num_feats", "=", "first_ex", "[", "1", "]", "# Chain back the first element - we only want to peek it.", "examples_nfeats_iter", "=", "chain", "(", "[", "first_ex", "]", ",", "examples_nfeats_iter", ")", "examples_iter", "=", "(", "ex", "for", "ex", ",", "nfeats", "in", "examples_nfeats_iter", ")", "return", "(", "examples_iter", ",", "num_feats", ")" ]

[ "Args", ":", "text_iter", "(", "iterator", ")", ":", "iterator", "of", "text", "sequences", "truncate", "(", "int", ")", ":", "maximum", "sequence", "length", "(", "0", "for", "unlimited", ")", ".", "side", "(", "str", ")", ":", "src", "or", "tgt", "." ]

[ "def", "make_examples", "(", "text_iter", ",", "truncate", ",", "side", ")", ":", "for", "i", ",", "line", "in", "enumerate", "(", "text_iter", ")", ":", "# print('*' * 10)", "line", "=", "line", ".", "strip", "(", ")", ".", "split", "(", ")", "if", "truncate", ":", "line", "=", "line", "[", ":", "truncate", "]", "words", ",", "feats", ",", "n_feats", "=", "TextDataset", ".", "extract_text_features", "(", "line", ")", "# print (line)", "# print (words)", "example_dict", "=", "{", "side", ":", "words", ",", "\"indices\"", ":", "i", "}", "if", "feats", ":", "prefix", "=", "side", "+", "\"_feat_\"", "example_dict", ".", "update", "(", "(", "prefix", "+", "str", "(", "j", ")", ",", "f", ")", "for", "j", ",", "f", "in", "enumerate", "(", "feats", ")", ")", "yield", "example_dict", ",", "n_feats" ]

[ "Args", ":", "n_src_features", "(", "int", ")", ":", "the", "number", "of", "source", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", ".", "n_tgt_features", "(", "int", ")", ":", "the", "number", "of", "target", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", "." ]

[ "def", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", ":", "fields", "=", "{", "}", "fields", "[", "\"src\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "pad_token", "=", "PAD_WORD", ",", "include_lengths", "=", "True", ")", "for", "j", "in", "range", "(", "n_src_features", ")", ":", "fields", "[", "\"src_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "pad_token", "=", "PAD_WORD", ")", "fields", "[", "\"tgt\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "for", "j", "in", "range", "(", "n_tgt_features", ")", ":", "fields", "[", "\"tgt_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "def", "make_src", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "#pdb.set_trace()", "src_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "src_vocab_size", "=", "int", "(", "max", "(", "[", "t", ".", "max", "(", ")", "for", "t", "in", "data", "]", ")", ")", "+", "1", "try", ":", "alignment", "=", "torch", ".", "zeros", "(", "src_size", ",", "len", "(", "data", ")", ",", "src_vocab_size", ")", "except", ":", "print", "(", "src_size", ")", "print", "(", "len", "(", "data", ")", ")", "print", "(", "src_vocab_size", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "for", "j", ",", "t", "in", "enumerate", "(", "sent", ")", ":", "alignment", "[", "j", ",", "i", ",", "t", "]", "=", "1", "return", "alignment", "fields", "[", "\"src_map\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "float", ",", "postprocessing", "=", "make_src", ",", "sequential", "=", "False", ")", "def", "make_tgt", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "tgt_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "alignment", "=", "torch", ".", "zeros", "(", "tgt_size", ",", "len", "(", "data", ")", ")", ".", "long", "(", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "alignment", "[", ":", "sent", ".", "size", "(", "0", ")", ",", "i", "]", "=", "sent", "return", "alignment", "fields", "[", "\"alignment\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "postprocessing", "=", "make_tgt", ",", "sequential", "=", "False", ")", "fields", "[", "\"indices\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "sequential", "=", "False", ")", "def", "make_sents", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "tgt_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "alignment", "=", "torch", ".", "zeros", "(", "len", "(", "data", ")", ",", "tgt_size", ")", ".", "long", "(", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "alignment", "[", "i", ",", ":", "sent", ".", "size", "(", "0", ")", "]", "=", "sent", "return", "alignment", "fields", "[", "\"src_sents\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "postprocessing", "=", "make_sents", ",", "sequential", "=", "False", ")", "fields", "[", "\"tgt_sents\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "postprocessing", "=", "make_sents", ",", "sequential", "=", "False", ")", "return", "fields" ]

[ "Peek", "one", "line", "and", "get", "number", "of", "features", "of", "it", ".", "(", "All", "lines", "must", "have", "same", "number", "of", "features", ")", ".", "For", "text", "corpus", "both", "sides", "are", "in", "text", "form", "thus", "it", "works", "the", "same", "." ]

[ "def", "get_num_features", "(", "corpus_file", ",", "side", ")", ":", "with", "codecs", ".", "open", "(", "corpus_file", ",", "\"r\"", ",", "\"utf-8\"", ")", "as", "cf", ":", "f_line", "=", "cf", ".", "readline", "(", ")", ".", "strip", "(", ")", ".", "split", "(", ")", "_", ",", "_", ",", "num_feats", "=", "TextDataset", ".", "extract_text_features", "(", "f_line", ")", "return", "num_feats" ]

[ "Args", ":", "corpus_path", ":", "the", "corpus", "file", "path", ".", "line_truncate", ":", "the", "maximum", "length", "of", "a", "line", "to", "read", ".", "0", "for", "unlimited", ".", "side", ":", "src", "or", "tgt", ".", "shard_size", ":", "the", "shard", "size", "0", "means", "not", "sharding", "the", "file", ".", "assoc_iter", ":", "if", "not", "None", "it", "is", "the", "associate", "iterator", "that", "this", "iterator", "should", "align", "its", "step", "with", "." ]

[ "def", "__init__", "(", "self", ",", "corpus_path", ",", "line_truncate", ",", "side", ",", "shard_size", ",", "assoc_iter", "=", "None", ")", ":", "try", ":", "# The codecs module seems to have bugs with seek()/tell(),", "# so we use io.open().", "self", ".", "corpus", "=", "io", ".", "open", "(", "corpus_path", ",", "\"r\"", ",", "encoding", "=", "\"utf-8\"", ")", "except", "IOError", ":", "sys", ".", "stderr", ".", "write", "(", "\"Failed to open corpus file: %s\"", "%", "corpus_path", ")", "sys", ".", "exit", "(", "1", ")", "self", ".", "line_truncate", "=", "line_truncate", "self", ".", "side", "=", "side", "self", ".", "shard_size", "=", "shard_size", "self", ".", "assoc_iter", "=", "assoc_iter", "self", ".", "last_pos", "=", "0", "self", ".", "line_index", "=", "-", "1", "self", ".", "eof", "=", "False" ]

[ "Iterator", "of", "(", "example_dict", "nfeats", ")", ".", "On", "each", "call", "it", "iterates", "over", "as", "many", "(", "example_dict", "nfeats", ")", "tuples", "until", "this", "shard", "s", "size", "equals", "to", "or", "approximates", "self", ".", "shard_size", "." ]

[ "def", "__iter__", "(", "self", ")", ":", "iteration_index", "=", "-", "1", "if", "self", ".", "assoc_iter", "is", "not", "None", ":", "# We have associate iterator, just yields tuples", "# util we run parallel with it.", "while", "self", ".", "line_index", "<", "self", ".", "assoc_iter", ".", "line_index", ":", "line", "=", "self", ".", "corpus", ".", "readline", "(", ")", "if", "line", "==", "''", ":", "raise", "AssertionError", "(", "\"Two corpuses must have same number of lines!\"", ")", "self", ".", "line_index", "+=", "1", "iteration_index", "+=", "1", "yield", "self", ".", "_example_dict_iter", "(", "line", ",", "iteration_index", ")", "if", "self", ".", "assoc_iter", ".", "eof", ":", "self", ".", "eof", "=", "True", "self", ".", "corpus", ".", "close", "(", ")", "else", ":", "# Yield tuples util this shard's size reaches the threshold.", "self", ".", "corpus", ".", "seek", "(", "self", ".", "last_pos", ")", "while", "True", ":", "if", "self", ".", "shard_size", "!=", "0", "and", "self", ".", "line_index", "%", "64", "==", "0", ":", "# This part of check is time consuming on Py2 (but", "# it is quite fast on Py3, weird!). So we don't bother", "# to check for very line. Instead we chekc every 64", "# lines. Thus we are not dividing exactly per", "# `shard_size`, but it is not too much difference.", "cur_pos", "=", "self", ".", "corpus", ".", "tell", "(", ")", "if", "cur_pos", ">=", "self", ".", "last_pos", "+", "self", ".", "shard_size", ":", "self", ".", "last_pos", "=", "cur_pos", "return", "line", "=", "self", ".", "corpus", ".", "readline", "(", ")", "if", "line", "==", "''", ":", "self", ".", "eof", "=", "True", "self", ".", "corpus", ".", "close", "(", ")", "return", "self", ".", "line_index", "+=", "1", "iteration_index", "+=", "1", "yield", "self", ".", "_example_dict_iter", "(", "line", ",", "iteration_index", ")" ]

[ "?" ]

[ "def", "hit_end", "(", "self", ")", ":", "return", "self", ".", "eof" ]

[ "We", "peek", "the", "first", "line", "and", "seek", "back", "to", "the", "beginning", "of", "the", "file", "." ]

[ "def", "num_feats", "(", "self", ")", ":", "saved_pos", "=", "self", ".", "corpus", ".", "tell", "(", ")", "line", "=", "self", ".", "corpus", ".", "readline", "(", ")", ".", "split", "(", ")", "if", "self", ".", "line_truncate", ":", "line", "=", "line", "[", ":", "self", ".", "line_truncate", "]", "_", ",", "_", ",", "self", ".", "n_feats", "=", "TextDataset", ".", "extract_text_features", "(", "line", ")", "self", ".", "corpus", ".", "seek", "(", "saved_pos", ")", "return", "self", ".", "n_feats" ]

[ "Sort", "using", "the", "size", "of", "the", "image", ":", "(", "width", "height", ")", "." ]

[ "def", "sort_key", "(", "self", ",", "ex", ")", ":", "return", "(", "ex", ".", "src", ".", "size", "(", "2", ")", ",", "ex", ".", "src", ".", "size", "(", "1", ")", ")" ]

[ "Note", ":", "one", "of", "img_iter", "and", "img_path", "must", "be", "not", "None", "Args", ":", "img_iter", "(", "iterator", ")", ":", "an", "iterator", "that", "yields", "pairs", "(", "img", "filename", ")", "(", "or", "None", ")", "img_path", "(", "str", ")", ":", "location", "of", "a", "src", "file", "containing", "image", "paths", "(", "or", "None", ")", "src_dir", "(", "str", ")", ":", "location", "of", "source", "images" ]

[ "def", "make_image_examples_nfeats_tpl", "(", "img_iter", ",", "img_path", ",", "img_dir", ",", "image_channel_size", "=", "3", ")", ":", "if", "img_iter", "is", "None", ":", "if", "img_path", "is", "not", "None", ":", "img_iter", "=", "ImageDataset", ".", "make_img_iterator_from_file", "(", "img_path", ",", "img_dir", ",", "image_channel_size", ")", "else", ":", "raise", "ValueError", "(", "\"\"\"One of 'img_iter' and 'img_path'\n must be not None\"\"\"", ")", "examples_iter", "=", "ImageDataset", ".", "make_examples", "(", "img_iter", ",", "img_dir", ",", "'src'", ")", "num_feats", "=", "0", "# Source side(img) has no features.", "return", "(", "examples_iter", ",", "num_feats", ")" ]

[ "Args", ":", "path", "(", "str", ")", ":", "location", "of", "a", "src", "file", "containing", "image", "paths", "src_dir", "(", "str", ")", ":", "location", "of", "source", "images", "side", "(", "str", ")", ":", "src", "or", "tgt", "truncate", ":", "maximum", "img", "size", "((", "0", "0", ")", "or", "None", "for", "unlimited", ")" ]

[ "def", "make_examples", "(", "img_iter", ",", "src_dir", ",", "side", ",", "truncate", "=", "None", ")", ":", "assert", "(", "src_dir", "is", "not", "None", ")", "and", "os", ".", "path", ".", "exists", "(", "src_dir", ")", ",", "'src_dir must be a valid directory if data_type is img'", "for", "index", ",", "(", "img", ",", "filename", ")", "in", "enumerate", "(", "img_iter", ")", ":", "if", "truncate", "and", "truncate", "!=", "(", "0", ",", "0", ")", ":", "if", "not", "(", "img", ".", "size", "(", "1", ")", "<=", "truncate", "[", "0", "]", "and", "img", ".", "size", "(", "2", ")", "<=", "truncate", "[", "1", "]", ")", ":", "continue", "example_dict", "=", "{", "side", ":", "img", ",", "side", "+", "'_path'", ":", "filename", ",", "'indices'", ":", "index", "}", "yield", "example_dict" ]

[ "Args", ":", "path", "(", "str", ")", ":", "src_dir", "(", "str", ")", ":" ]

[ "def", "make_img_iterator_from_file", "(", "path", ",", "src_dir", ",", "image_channel_size", "=", "3", ")", ":", "from", "PIL", "import", "Image", "from", "torchvision", "import", "transforms", "with", "codecs", ".", "open", "(", "path", ",", "\"r\"", ",", "\"utf-8\"", ")", "as", "corpus_file", ":", "for", "line", "in", "corpus_file", ":", "filename", "=", "line", ".", "strip", "(", ")", "img_path", "=", "os", ".", "path", ".", "join", "(", "src_dir", ",", "filename", ")", "if", "not", "os", ".", "path", ".", "exists", "(", "img_path", ")", ":", "img_path", "=", "line", "assert", "os", ".", "path", ".", "exists", "(", "img_path", ")", ",", "'img path %s not found'", "%", "(", "line", ".", "strip", "(", ")", ")", "if", "(", "image_channel_size", "==", "1", ")", ":", "img", "=", "transforms", ".", "ToTensor", "(", ")", "(", "Image", ".", "fromarray", "(", "cv2", ".", "imread", "(", "img_path", ",", "0", ")", ")", ")", "else", ":", "img", "=", "transforms", ".", "ToTensor", "(", ")", "(", "Image", ".", "open", "(", "img_path", ")", ")", "yield", "img", ",", "filename" ]

[ "Args", ":", "n_src_features", ":", "the", "number", "of", "source", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", ".", "n_tgt_features", ":", "the", "number", "of", "target", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", "." ]

[ "def", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", ":", "fields", "=", "{", "}", "def", "make_img", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "c", "=", "data", "[", "0", "]", ".", "size", "(", "0", ")", "h", "=", "max", "(", "[", "t", ".", "size", "(", "1", ")", "for", "t", "in", "data", "]", ")", "w", "=", "max", "(", "[", "t", ".", "size", "(", "2", ")", "for", "t", "in", "data", "]", ")", "imgs", "=", "torch", ".", "zeros", "(", "len", "(", "data", ")", ",", "c", ",", "h", ",", "w", ")", ".", "fill_", "(", "1", ")", "for", "i", ",", "img", "in", "enumerate", "(", "data", ")", ":", "imgs", "[", "i", ",", ":", ",", "0", ":", "img", ".", "size", "(", "1", ")", ",", "0", ":", "img", ".", "size", "(", "2", ")", "]", "=", "img", "return", "imgs", "fields", "[", "\"src\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "float", ",", "postprocessing", "=", "make_img", ",", "sequential", "=", "False", ")", "for", "j", "in", "range", "(", "n_src_features", ")", ":", "fields", "[", "\"src_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "pad_token", "=", "PAD_WORD", ")", "fields", "[", "\"tgt\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "for", "j", "in", "range", "(", "n_tgt_features", ")", ":", "fields", "[", "\"tgt_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "def", "make_src", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "src_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "src_vocab_size", "=", "max", "(", "[", "t", ".", "max", "(", ")", "for", "t", "in", "data", "]", ")", "+", "1", "alignment", "=", "torch", ".", "zeros", "(", "src_size", ",", "len", "(", "data", ")", ",", "src_vocab_size", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "for", "j", ",", "t", "in", "enumerate", "(", "sent", ")", ":", "alignment", "[", "j", ",", "i", ",", "t", "]", "=", "1", "return", "alignment", "fields", "[", "\"src_map\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "float", ",", "postprocessing", "=", "make_src", ",", "sequential", "=", "False", ")", "def", "make_tgt", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "tgt_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "alignment", "=", "torch", ".", "zeros", "(", "tgt_size", ",", "len", "(", "data", ")", ")", ".", "long", "(", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "alignment", "[", ":", "sent", ".", "size", "(", "0", ")", ",", "i", "]", "=", "sent", "return", "alignment", "fields", "[", "\"alignment\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "postprocessing", "=", "make_tgt", ",", "sequential", "=", "False", ")", "fields", "[", "\"indices\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "sequential", "=", "False", ")", "return", "fields" ]

[ "For", "image", "corpus", "source", "side", "is", "in", "form", "of", "image", "thus", "no", "feature", ";", "while", "target", "side", "is", "in", "form", "of", "text", "thus", "we", "can", "extract", "its", "text", "features", "." ]

[ "def", "get_num_features", "(", "corpus_file", ",", "side", ")", ":", "if", "side", "==", "'src'", ":", "num_feats", "=", "0", "else", ":", "with", "codecs", ".", "open", "(", "corpus_file", ",", "\"r\"", ",", "\"utf-8\"", ")", "as", "cf", ":", "f_line", "=", "cf", ".", "readline", "(", ")", ".", "strip", "(", ")", ".", "split", "(", ")", "_", ",", "_", ",", "num_feats", "=", "ImageDataset", ".", "extract_text_features", "(", "f_line", ")", "return", "num_feats" ]

[ "Sort", "using", "duration", "time", "of", "the", "sound", "spectrogram", "." ]

[ "def", "sort_key", "(", "self", ",", "ex", ")", ":", "return", "ex", ".", "src", ".", "size", "(", "1", ")" ]

[ "Args", ":", "path", "(", "str", ")", ":", "location", "of", "a", "src", "file", "containing", "audio", "paths", ".", "audio_dir", "(", "str", ")", ":", "location", "of", "source", "audio", "files", ".", "sample_rate", "(", "int", ")", ":", "sample_rate", ".", "window_size", "(", "float", ")", ":", "window", "size", "for", "spectrogram", "in", "seconds", ".", "window_stride", "(", "float", ")", ":", "window", "stride", "for", "spectrogram", "in", "seconds", ".", "window", "(", "str", ")", ":", "window", "type", "for", "spectrogram", "generation", ".", "normalize_audio", "(", "bool", ")", ":", "subtract", "spectrogram", "by", "mean", "and", "divide", "by", "std", "or", "not", ".", "truncate", "(", "int", ")", ":", "maximum", "audio", "length", "(", "0", "or", "None", "for", "unlimited", ")", "." ]

[ "def", "make_audio_examples_nfeats_tpl", "(", "path", ",", "audio_dir", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ",", "truncate", "=", "None", ")", ":", "examples_iter", "=", "AudioDataset", ".", "read_audio_file", "(", "path", ",", "audio_dir", ",", "\"src\"", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ",", "truncate", ")", "num_feats", "=", "0", "# Source side(audio) has no features.", "return", "(", "examples_iter", ",", "num_feats", ")" ]

[ "Args", ":", "path", "(", "str", ")", ":", "location", "of", "a", "src", "file", "containing", "audio", "paths", ".", "src_dir", "(", "str", ")", ":", "location", "of", "source", "audio", "files", ".", "side", "(", "str", ")", ":", "src", "or", "tgt", ".", "sample_rate", "(", "int", ")", ":", "sample_rate", ".", "window_size", "(", "float", ")", ":", "window", "size", "for", "spectrogram", "in", "seconds", ".", "window_stride", "(", "float", ")", ":", "window", "stride", "for", "spectrogram", "in", "seconds", ".", "window", "(", "str", ")", ":", "window", "type", "for", "spectrogram", "generation", ".", "normalize_audio", "(", "bool", ")", ":", "subtract", "spectrogram", "by", "mean", "and", "divide", "by", "std", "or", "not", ".", "truncate", "(", "int", ")", ":", "maximum", "audio", "length", "(", "0", "or", "None", "for", "unlimited", ")", "." ]

[ "def", "read_audio_file", "(", "path", ",", "src_dir", ",", "side", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ",", "truncate", "=", "None", ")", ":", "assert", "(", "src_dir", "is", "not", "None", ")", "and", "os", ".", "path", ".", "exists", "(", "src_dir", ")", ",", "\"src_dir must be a valid directory if data_type is audio\"", "import", "torchaudio", "import", "librosa", "import", "numpy", "as", "np", "with", "codecs", ".", "open", "(", "path", ",", "\"r\"", ",", "\"utf-8\"", ")", "as", "corpus_file", ":", "index", "=", "0", "for", "line", "in", "corpus_file", ":", "audio_path", "=", "os", ".", "path", ".", "join", "(", "src_dir", ",", "line", ".", "strip", "(", ")", ")", "if", "not", "os", ".", "path", ".", "exists", "(", "audio_path", ")", ":", "audio_path", "=", "line", "assert", "os", ".", "path", ".", "exists", "(", "audio_path", ")", ",", "'audio path %s not found'", "%", "(", "line", ".", "strip", "(", ")", ")", "sound", ",", "sample_rate", "=", "torchaudio", ".", "load", "(", "audio_path", ")", "if", "truncate", "and", "truncate", ">", "0", ":", "if", "sound", ".", "size", "(", "0", ")", ">", "truncate", ":", "continue", "assert", "sample_rate", "==", "sample_rate", ",", "'Sample rate of %s != -sample_rate (%d vs %d)'", "%", "(", "audio_path", ",", "sample_rate", ",", "sample_rate", ")", "sound", "=", "sound", ".", "numpy", "(", ")", "if", "len", "(", "sound", ".", "shape", ")", ">", "1", ":", "if", "sound", ".", "shape", "[", "1", "]", "==", "1", ":", "sound", "=", "sound", ".", "squeeze", "(", ")", "else", ":", "sound", "=", "sound", ".", "mean", "(", "axis", "=", "1", ")", "# average multiple channels", "n_fft", "=", "int", "(", "sample_rate", "*", "window_size", ")", "win_length", "=", "n_fft", "hop_length", "=", "int", "(", "sample_rate", "*", "window_stride", ")", "# STFT", "d", "=", "librosa", ".", "stft", "(", "sound", ",", "n_fft", "=", "n_fft", ",", "hop_length", "=", "hop_length", ",", "win_length", "=", "win_length", ",", "window", "=", "window", ")", "spect", ",", "_", "=", "librosa", ".", "magphase", "(", "d", ")", "spect", "=", "np", ".", "log1p", "(", "spect", ")", "spect", "=", "torch", ".", "FloatTensor", "(", "spect", ")", "if", "normalize_audio", ":", "mean", "=", "spect", ".", "mean", "(", ")", "std", "=", "spect", ".", "std", "(", ")", "spect", ".", "add_", "(", "-", "mean", ")", "spect", ".", "div_", "(", "std", ")", "example_dict", "=", "{", "side", ":", "spect", ",", "side", "+", "'_path'", ":", "line", ".", "strip", "(", ")", ",", "'indices'", ":", "index", "}", "index", "+=", "1", "yield", "example_dict" ]

[ "Args", ":", "n_src_features", ":", "the", "number", "of", "source", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", ".", "n_tgt_features", ":", "the", "number", "of", "target", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", "." ]

[ "def", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", ":", "fields", "=", "{", "}", "def", "make_audio", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "nfft", "=", "data", "[", "0", "]", ".", "size", "(", "0", ")", "t", "=", "max", "(", "[", "t", ".", "size", "(", "1", ")", "for", "t", "in", "data", "]", ")", "sounds", "=", "torch", ".", "zeros", "(", "len", "(", "data", ")", ",", "1", ",", "nfft", ",", "t", ")", "for", "i", ",", "spect", "in", "enumerate", "(", "data", ")", ":", "sounds", "[", "i", ",", ":", ",", ":", ",", "0", ":", "spect", ".", "size", "(", "1", ")", "]", "=", "spect", "return", "sounds", "fields", "[", "\"src\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "float", ",", "postprocessing", "=", "make_audio", ",", "sequential", "=", "False", ")", "for", "j", "in", "range", "(", "n_src_features", ")", ":", "fields", "[", "\"src_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "pad_token", "=", "PAD_WORD", ")", "fields", "[", "\"tgt\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "for", "j", "in", "range", "(", "n_tgt_features", ")", ":", "fields", "[", "\"tgt_feat_\"", "+", "str", "(", "j", ")", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "init_token", "=", "BOS_WORD", ",", "eos_token", "=", "EOS_WORD", ",", "pad_token", "=", "PAD_WORD", ")", "def", "make_src", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "src_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "src_vocab_size", "=", "max", "(", "[", "t", ".", "max", "(", ")", "for", "t", "in", "data", "]", ")", "+", "1", "alignment", "=", "torch", ".", "zeros", "(", "src_size", ",", "len", "(", "data", ")", ",", "src_vocab_size", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "for", "j", ",", "t", "in", "enumerate", "(", "sent", ")", ":", "alignment", "[", "j", ",", "i", ",", "t", "]", "=", "1", "return", "alignment", "fields", "[", "\"src_map\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "float", ",", "postprocessing", "=", "make_src", ",", "sequential", "=", "False", ")", "def", "make_tgt", "(", "data", ",", "vocab", ")", ":", "\"\"\" ? \"\"\"", "tgt_size", "=", "max", "(", "[", "t", ".", "size", "(", "0", ")", "for", "t", "in", "data", "]", ")", "alignment", "=", "torch", ".", "zeros", "(", "tgt_size", ",", "len", "(", "data", ")", ")", ".", "long", "(", ")", "for", "i", ",", "sent", "in", "enumerate", "(", "data", ")", ":", "alignment", "[", ":", "sent", ".", "size", "(", "0", ")", ",", "i", "]", "=", "sent", "return", "alignment", "fields", "[", "\"alignment\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "postprocessing", "=", "make_tgt", ",", "sequential", "=", "False", ")", "fields", "[", "\"indices\"", "]", "=", "torchtext", ".", "data", ".", "Field", "(", "use_vocab", "=", "False", ",", "dtype", "=", "torch", ".", "long", ",", "sequential", "=", "False", ")", "return", "fields" ]

[ "For", "audio", "corpus", "source", "side", "is", "in", "form", "of", "audio", "thus", "no", "feature", ";", "while", "target", "side", "is", "in", "form", "of", "text", "thus", "we", "can", "extract", "its", "text", "features", "." ]

[ "def", "get_num_features", "(", "corpus_file", ",", "side", ")", ":", "if", "side", "==", "'src'", ":", "num_feats", "=", "0", "else", ":", "with", "codecs", ".", "open", "(", "corpus_file", ",", "\"r\"", ",", "\"utf-8\"", ")", "as", "cf", ":", "f_line", "=", "cf", ".", "readline", "(", ")", ".", "strip", "(", ")", ".", "split", "(", ")", "_", ",", "_", ",", "num_feats", "=", "AudioDataset", ".", "extract_text_features", "(", "f_line", ")", "return", "num_feats" ]

[ "Args", ":", "data_type", ":", "type", "of", "the", "source", "input", ".", "Options", "are", "[", "text|img|audio", "]", ".", "n_src_features", ":", "the", "number", "of", "source", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", ".", "n_tgt_features", ":", "the", "number", "of", "target", "features", "to", "create", "torchtext", ".", "data", ".", "Field", "for", "." ]

[ "def", "get_fields", "(", "data_type", ",", "n_src_features", ",", "n_tgt_features", ")", ":", "if", "data_type", "==", "'text'", ":", "return", "TextDataset", ".", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", "elif", "data_type", "==", "'img'", ":", "return", "ImageDataset", ".", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", "elif", "data_type", "==", "'audio'", ":", "return", "AudioDataset", ".", "get_fields", "(", "n_src_features", ",", "n_tgt_features", ")", "else", ":", "raise", "ValueError", "(", "\"Data type not implemented\"", ")" ]

[ "Load", "Field", "objects", "from", "vocab", ".", "pt", "file", "." ]

[ "def", "load_fields_from_vocab", "(", "vocab", ",", "data_type", "=", "\"text\"", ")", ":", "vocab", "=", "dict", "(", "vocab", ")", "n_src_features", "=", "len", "(", "collect_features", "(", "vocab", ",", "'src'", ")", ")", "n_tgt_features", "=", "len", "(", "collect_features", "(", "vocab", ",", "'tgt'", ")", ")", "fields", "=", "get_fields", "(", "data_type", ",", "n_src_features", ",", "n_tgt_features", ")", "for", "k", ",", "v", "in", "vocab", ".", "items", "(", ")", ":", "# Hack. Can't pickle defaultdict :(", "v", ".", "stoi", "=", "defaultdict", "(", "lambda", ":", "0", ",", "v", ".", "stoi", ")", "fields", "[", "k", "]", ".", "vocab", "=", "v", "# TODO: until here, fields has 'tgt_sents'", "return", "fields" ]

[ "Save", "Vocab", "objects", "in", "Field", "objects", "to", "vocab", ".", "pt", "file", "." ]

[ "def", "save_fields_to_vocab", "(", "fields", ")", ":", "vocab", "=", "[", "]", "for", "k", ",", "f", "in", "fields", ".", "items", "(", ")", ":", "if", "f", "is", "not", "None", "and", "'vocab'", "in", "f", ".", "__dict__", ":", "f", ".", "vocab", ".", "stoi", "=", "f", ".", "vocab", ".", "stoi", "vocab", ".", "append", "(", "(", "k", ",", "f", ".", "vocab", ")", ")", "return", "vocab" ]

[ "Merge", "individual", "vocabularies", "(", "assumed", "to", "be", "generated", "from", "disjoint", "documents", ")", "into", "a", "larger", "vocabulary", "." ]

[ "def", "merge_vocabs", "(", "vocabs", ",", "vocab_size", "=", "None", ")", ":", "merged", "=", "sum", "(", "[", "vocab", ".", "freqs", "for", "vocab", "in", "vocabs", "]", ",", "Counter", "(", ")", ")", "return", "torchtext", ".", "vocab", ".", "Vocab", "(", "merged", ",", "specials", "=", "[", "UNK_WORD", ",", "PAD_WORD", ",", "BOS_WORD", ",", "EOS_WORD", "]", ",", "max_size", "=", "vocab_size", ")" ]

[ "Args", ":", "data_type", "(", "str", ")", ":", "type", "of", "the", "source", "input", ".", "Options", "are", "[", "text|img|audio", "]", ".", "corpus_file", "(", "str", ")", ":", "file", "path", "to", "get", "the", "features", ".", "side", "(", "str", ")", ":", "for", "source", "or", "for", "target", "." ]

[ "def", "get_num_features", "(", "data_type", ",", "corpus_file", ",", "side", ")", ":", "assert", "side", "in", "[", "\"src\"", ",", "\"tgt\"", "]", "if", "data_type", "==", "'text'", ":", "return", "TextDataset", ".", "get_num_features", "(", "corpus_file", ",", "side", ")", "elif", "data_type", "==", "'img'", ":", "return", "ImageDataset", ".", "get_num_features", "(", "corpus_file", ",", "side", ")", "elif", "data_type", "==", "'audio'", ":", "return", "AudioDataset", ".", "get_num_features", "(", "corpus_file", ",", "side", ")", "else", ":", "raise", "ValueError", "(", "\"Data type not implemented\"", ")" ]

[ "Args", ":", "batch", "(", "Tensor", ")", ":", "a", "batch", "of", "source", "or", "target", "data", ".", "side", "(", "str", ")", ":", "for", "source", "or", "for", "target", ".", "data_type", "(", "str", ")", ":", "type", "of", "the", "source", "input", ".", "Options", "are", "[", "text|img|audio", "]", ".", "Returns", ":", "A", "sequence", "of", "src", "/", "tgt", "tensors", "with", "optional", "feature", "tensors", "of", "size", "(", "len", "x", "batch", ")", "." ]

[ "def", "make_features", "(", "batch", ",", "side", ",", "data_type", "=", "'text'", ")", ":", "assert", "side", "in", "[", "'src'", ",", "'tgt'", "]", "if", "isinstance", "(", "batch", ".", "__dict__", "[", "side", "]", ",", "tuple", ")", ":", "data", "=", "batch", ".", "__dict__", "[", "side", "]", "[", "0", "]", "else", ":", "data", "=", "batch", ".", "__dict__", "[", "side", "]", "feat_start", "=", "side", "+", "\"_feat_\"", "keys", "=", "sorted", "(", "[", "k", "for", "k", "in", "batch", ".", "__dict__", "if", "feat_start", "in", "k", "]", ")", "features", "=", "[", "batch", ".", "__dict__", "[", "k", "]", "for", "k", "in", "keys", "]", "levels", "=", "[", "data", "]", "+", "features", "if", "data_type", "==", "'text'", ":", "return", "torch", ".", "cat", "(", "[", "level", ".", "unsqueeze", "(", "2", ")", "for", "level", "in", "levels", "]", ",", "2", ")", "else", ":", "return", "levels", "[", "0", "]" ]

[ "Collect", "features", "from", "Field", "object", "." ]

[ "def", "collect_features", "(", "fields", ",", "side", "=", "\"src\"", ")", ":", "assert", "side", "in", "[", "\"src\"", ",", "\"tgt\"", "]", "feats", "=", "[", "]", "for", "j", "in", "count", "(", ")", ":", "key", "=", "side", "+", "\"_feat_\"", "+", "str", "(", "j", ")", "if", "key", "not", "in", "fields", ":", "break", "feats", ".", "append", "(", "key", ")", "return", "feats" ]

[ "Collect", "feature", "Vocab", "objects", "from", "Field", "object", "." ]

[ "def", "collect_feature_vocabs", "(", "fields", ",", "side", ")", ":", "assert", "side", "in", "[", "'src'", ",", "'tgt'", "]", "feature_vocabs", "=", "[", "]", "for", "j", "in", "count", "(", ")", ":", "key", "=", "side", "+", "\"_feat_\"", "+", "str", "(", "j", ")", "if", "key", "not", "in", "fields", ":", "break", "feature_vocabs", ".", "append", "(", "fields", "[", "key", "]", ".", "vocab", ")", "return", "feature_vocabs" ]

[ "Build", "src", "/", "tgt", "examples", "iterator", "from", "corpus", "files", "also", "extract", "number", "of", "features", "." ]

[ "def", "build_dataset", "(", "fields", ",", "data_type", ",", "src_data_iter", "=", "None", ",", "src_path", "=", "None", ",", "src_dir", "=", "None", ",", "tgt_data_iter", "=", "None", ",", "tgt_path", "=", "None", ",", "src_seq_length", "=", "0", ",", "tgt_seq_length", "=", "0", ",", "src_seq_length_trunc", "=", "0", ",", "tgt_seq_length_trunc", "=", "0", ",", "dynamic_dict", "=", "True", ",", "sample_rate", "=", "0", ",", "window_size", "=", "0", ",", "window_stride", "=", "0", ",", "window", "=", "None", ",", "normalize_audio", "=", "True", ",", "use_filter_pred", "=", "True", ",", "image_channel_size", "=", "3", ")", ":", "def", "_make_examples_nfeats_tpl", "(", "data_type", ",", "src_data_iter", ",", "src_path", ",", "src_dir", ",", "src_seq_length_trunc", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ",", "image_channel_size", "=", "3", ")", ":", "\"\"\"\n Process the corpus into (example_dict iterator, num_feats) tuple\n on source side for different 'data_type'.\n \"\"\"", "if", "data_type", "==", "'text'", ":", "src_examples_iter", ",", "num_src_feats", "=", "TextDataset", ".", "make_text_examples_nfeats_tpl", "(", "src_data_iter", ",", "src_path", ",", "src_seq_length_trunc", ",", "\"src\"", ")", "elif", "data_type", "==", "'img'", ":", "src_examples_iter", ",", "num_src_feats", "=", "ImageDataset", ".", "make_image_examples_nfeats_tpl", "(", "src_data_iter", ",", "src_path", ",", "src_dir", ",", "image_channel_size", ")", "elif", "data_type", "==", "'audio'", ":", "if", "src_data_iter", ":", "raise", "ValueError", "(", "\"\"\"Data iterator for AudioDataset isn't\n implemented\"\"\"", ")", "if", "src_path", "is", "None", ":", "raise", "ValueError", "(", "\"AudioDataset requires a non None path\"", ")", "src_examples_iter", ",", "num_src_feats", "=", "AudioDataset", ".", "make_audio_examples_nfeats_tpl", "(", "src_path", ",", "src_dir", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ")", "return", "src_examples_iter", ",", "num_src_feats", "src_examples_iter", ",", "num_src_feats", "=", "_make_examples_nfeats_tpl", "(", "data_type", ",", "src_data_iter", ",", "src_path", ",", "src_dir", ",", "src_seq_length_trunc", ",", "sample_rate", ",", "window_size", ",", "window_stride", ",", "window", ",", "normalize_audio", ",", "image_channel_size", "=", "image_channel_size", ")", "# For all data types, the tgt side corpus is in form of text.", "tgt_examples_iter", ",", "num_tgt_feats", "=", "TextDataset", ".", "make_text_examples_nfeats_tpl", "(", "tgt_data_iter", ",", "tgt_path", ",", "tgt_seq_length_trunc", ",", "\"tgt\"", ")", "if", "data_type", "==", "'text'", ":", "dataset", "=", "TextDataset", "(", "fields", ",", "src_examples_iter", ",", "tgt_examples_iter", ",", "num_src_feats", ",", "num_tgt_feats", ",", "src_seq_length", "=", "src_seq_length", ",", "tgt_seq_length", "=", "tgt_seq_length", ",", "dynamic_dict", "=", "dynamic_dict", ",", "use_filter_pred", "=", "use_filter_pred", ")", "elif", "data_type", "==", "'img'", ":", "dataset", "=", "ImageDataset", "(", "fields", ",", "src_examples_iter", ",", "tgt_examples_iter", ",", "num_src_feats", ",", "num_tgt_feats", ",", "tgt_seq_length", "=", "tgt_seq_length", ",", "use_filter_pred", "=", "use_filter_pred", ",", "image_channel_size", "=", "image_channel_size", ")", "elif", "data_type", "==", "'audio'", ":", "dataset", "=", "AudioDataset", "(", "fields", ",", "src_examples_iter", ",", "tgt_examples_iter", ",", "num_src_feats", ",", "num_tgt_feats", ",", "tgt_seq_length", "=", "tgt_seq_length", ",", "sample_rate", "=", "sample_rate", ",", "window_size", "=", "window_size", ",", "window_stride", "=", "window_stride", ",", "window", "=", "window", ",", "normalize_audio", "=", "normalize_audio", ",", "use_filter_pred", "=", "use_filter_pred", ")", "return", "dataset" ]

[ "Args", ":", "train_dataset_files", ":", "a", "list", "of", "train", "dataset", "pt", "file", ".", "fields", "(", "dict", ")", ":", "fields", "to", "build", "vocab", "for", ".", "data_type", ":", "text", "img", "or", "audio", "?", "share_vocab", "(", "bool", ")", ":", "share", "source", "and", "target", "vocabulary?", "src_vocab_path", "(", "string", ")", ":", "Path", "to", "src", "vocabulary", "file", ".", "src_vocab_size", "(", "int", ")", ":", "size", "of", "the", "source", "vocabulary", ".", "src_words_min_frequency", "(", "int", ")", ":", "the", "minimum", "frequency", "needed", "to", "include", "a", "source", "word", "in", "the", "vocabulary", ".", "tgt_vocab_path", "(", "string", ")", ":", "Path", "to", "tgt", "vocabulary", "file", ".", "tgt_vocab_size", "(", "int", ")", ":", "size", "of", "the", "target", "vocabulary", ".", "tgt_words_min_frequency", "(", "int", ")", ":", "the", "minimum", "frequency", "needed", "to", "include", "a", "target", "word", "in", "the", "vocabulary", "." ]

[ "def", "build_vocab", "(", "train_dataset_files", ",", "fields", ",", "data_type", ",", "share_vocab", ",", "src_vocab_path", ",", "src_vocab_size", ",", "src_words_min_frequency", ",", "tgt_vocab_path", ",", "tgt_vocab_size", ",", "tgt_words_min_frequency", ")", ":", "counter", "=", "{", "}", "# Prop src from field to get lower memory using when training with image", "if", "data_type", "==", "'img'", ":", "fields", ".", "pop", "(", "\"src\"", ")", "for", "k", "in", "fields", ":", "counter", "[", "k", "]", "=", "Counter", "(", ")", "# Load vocabulary", "src_vocab", "=", "load_vocabulary", "(", "src_vocab_path", ",", "tag", "=", "\"source\"", ")", "tgt_vocab", "=", "load_vocabulary", "(", "tgt_vocab_path", ",", "tag", "=", "\"target\"", ")", "for", "index", ",", "path", "in", "enumerate", "(", "train_dataset_files", ")", ":", "dataset", "=", "torch", ".", "load", "(", "path", ")", "logger", ".", "info", "(", "\" * reloading %s.\"", "%", "path", ")", "for", "ex", "in", "dataset", ".", "examples", ":", "for", "k", "in", "fields", ":", "val", "=", "getattr", "(", "ex", ",", "k", ",", "None", ")", "if", "val", "is", "not", "None", "and", "not", "fields", "[", "k", "]", ".", "sequential", ":", "val", "=", "[", "val", "]", "elif", "k", "==", "'src'", "and", "src_vocab", ":", "val", "=", "[", "item", "for", "item", "in", "val", "if", "item", "in", "src_vocab", "]", "elif", "k", "==", "'tgt'", "and", "tgt_vocab", ":", "val", "=", "[", "item", "for", "item", "in", "val", "if", "item", "in", "tgt_vocab", "]", "counter", "[", "k", "]", ".", "update", "(", "val", ")", "# Drop the none-using from memory but keep the last", "if", "(", "index", "<", "len", "(", "train_dataset_files", ")", "-", "1", ")", ":", "dataset", ".", "examples", "=", "None", "gc", ".", "collect", "(", ")", "del", "dataset", ".", "examples", "gc", ".", "collect", "(", ")", "del", "dataset", "gc", ".", "collect", "(", ")", "_build_field_vocab", "(", "fields", "[", "\"tgt\"", "]", ",", "counter", "[", "\"tgt\"", "]", ",", "max_size", "=", "tgt_vocab_size", ",", "min_freq", "=", "tgt_words_min_frequency", ")", "logger", ".", "info", "(", "\" * tgt vocab size: %d.\"", "%", "len", "(", "fields", "[", "\"tgt\"", "]", ".", "vocab", ")", ")", "# All datasets have same num of n_tgt_features,", "# getting the last one is OK.", "for", "j", "in", "range", "(", "dataset", ".", "n_tgt_feats", ")", ":", "key", "=", "\"tgt_feat_\"", "+", "str", "(", "j", ")", "_build_field_vocab", "(", "fields", "[", "key", "]", ",", "counter", "[", "key", "]", ")", "logger", ".", "info", "(", "\" * %s vocab size: %d.\"", "%", "(", "key", ",", "len", "(", "fields", "[", "key", "]", ".", "vocab", ")", ")", ")", "if", "data_type", "==", "'text'", ":", "_build_field_vocab", "(", "fields", "[", "\"src\"", "]", ",", "counter", "[", "\"src\"", "]", ",", "max_size", "=", "src_vocab_size", ",", "min_freq", "=", "src_words_min_frequency", ")", "logger", ".", "info", "(", "\" * src vocab size: %d.\"", "%", "len", "(", "fields", "[", "\"src\"", "]", ".", "vocab", ")", ")", "# All datasets have same num of n_src_features,", "# getting the last one is OK.", "for", "j", "in", "range", "(", "dataset", ".", "n_src_feats", ")", ":", "key", "=", "\"src_feat_\"", "+", "str", "(", "j", ")", "_build_field_vocab", "(", "fields", "[", "key", "]", ",", "counter", "[", "key", "]", ")", "logger", ".", "info", "(", "\" * %s vocab size: %d.\"", "%", "(", "key", ",", "len", "(", "fields", "[", "key", "]", ".", "vocab", ")", ")", ")", "# Merge the input and output vocabularies.", "if", "share_vocab", ":", "# `tgt_vocab_size` is ignored when sharing vocabularies", "logger", ".", "info", "(", "\" * merging src and tgt vocab...\"", ")", "merged_vocab", "=", "merge_vocabs", "(", "[", "fields", "[", "\"src\"", "]", ".", "vocab", ",", "fields", "[", "\"tgt\"", "]", ".", "vocab", "]", ",", "vocab_size", "=", "src_vocab_size", ")", "fields", "[", "\"src\"", "]", ".", "vocab", "=", "merged_vocab", "fields", "[", "\"tgt\"", "]", ".", "vocab", "=", "merged_vocab", "return", "fields" ]

[ "Loads", "a", "vocabulary", "from", "the", "given", "path", ".", ":", "param", "vocabulary_path", ":", "path", "to", "load", "vocabulary", "from", ":", "param", "tag", ":", "tag", "for", "vocabulary", "(", "only", "used", "for", "logging", ")", ":", "return", ":", "vocabulary", "or", "None", "if", "path", "is", "null" ]

[ "def", "load_vocabulary", "(", "vocabulary_path", ",", "tag", "=", "\"\"", ")", ":", "vocabulary", "=", "None", "if", "vocabulary_path", ":", "vocabulary", "=", "set", "(", "[", "]", ")", "logger", ".", "info", "(", "\"Loading {} vocabulary from {}\"", ".", "format", "(", "tag", ",", "vocabulary_path", ")", ")", "if", "not", "os", ".", "path", ".", "exists", "(", "vocabulary_path", ")", ":", "raise", "RuntimeError", "(", "\"{} vocabulary not found at {}!\"", ".", "format", "(", "tag", ",", "vocabulary_path", ")", ")", "else", ":", "with", "open", "(", "vocabulary_path", ")", "as", "f", ":", "for", "line", "in", "f", ":", "if", "len", "(", "line", ".", "strip", "(", ")", ")", "==", "0", ":", "continue", "word", "=", "line", ".", "strip", "(", ")", ".", "split", "(", ")", "[", "0", "]", "vocabulary", ".", "add", "(", "word", ")", "return", "vocabulary" ]

[ "This", "returns", "user", "-", "defined", "train", "/", "validate", "data", "iterator", "for", "the", "trainer", "to", "iterate", "over", ".", "We", "implement", "simple", "ordered", "iterator", "strategy", "here", "but", "more", "sophisticated", "strategy", "like", "curriculum", "learning", "is", "ok", "too", "." ]

[ "def", "build_dataset_iter", "(", "datasets", ",", "fields", ",", "opt", ",", "is_train", "=", "True", ")", ":", "batch_size", "=", "opt", ".", "batch_size", "if", "is_train", "else", "opt", ".", "valid_batch_size", "if", "is_train", "and", "opt", ".", "batch_type", "==", "\"tokens\"", ":", "def", "batch_size_fn", "(", "new", ",", "count", ",", "sofar", ")", ":", "\"\"\"\n In token batching scheme, the number of sequences is limited\n such that the total number of src/tgt tokens (including padding)\n in a batch <= batch_size\n \"\"\"", "# Maintains the longest src and tgt length in the current batch", "global", "max_src_in_batch", ",", "max_tgt_in_batch", "# Reset current longest length at a new batch (count=1)", "if", "count", "==", "1", ":", "max_src_in_batch", "=", "0", "max_tgt_in_batch", "=", "0", "# Src: <bos> w1 ... wN <eos>", "max_src_in_batch", "=", "max", "(", "max_src_in_batch", ",", "len", "(", "new", ".", "src", ")", "+", "2", ")", "# Tgt: w1 ... wN <eos>", "max_tgt_in_batch", "=", "max", "(", "max_tgt_in_batch", ",", "len", "(", "new", ".", "tgt", ")", "+", "1", ")", "src_elements", "=", "count", "*", "max_src_in_batch", "tgt_elements", "=", "count", "*", "max_tgt_in_batch", "return", "max", "(", "src_elements", ",", "tgt_elements", ")", "else", ":", "batch_size_fn", "=", "None", "if", "opt", ".", "gpu_ranks", ":", "device", "=", "\"cuda\"", "else", ":", "device", "=", "\"cpu\"", "return", "DatasetLazyIter", "(", "datasets", ",", "fields", ",", "batch_size", ",", "batch_size_fn", ",", "device", ",", "is_train", ")" ]

[ "Dataset", "generator", ".", "Don", "t", "do", "extra", "stuff", "here", "like", "printing", "because", "they", "will", "be", "postponed", "to", "the", "first", "loading", "time", "." ]

[ "def", "lazily_load_dataset", "(", "corpus_type", ",", "opt", ")", ":", "assert", "corpus_type", "in", "[", "\"train\"", ",", "\"valid\"", "]", "def", "_lazy_dataset_loader", "(", "pt_file", ",", "corpus_type", ")", ":", "dataset", "=", "torch", ".", "load", "(", "pt_file", ")", "# logger.info('Loading %s dataset from %s, number of examples: %d' %", "# (corpus_type, pt_file, len(dataset)))", "# import pdb;", "# pdb.set_trace()", "return", "dataset", "# Sort the glob output by file name (by increasing indexes).", "pts", "=", "sorted", "(", "glob", ".", "glob", "(", "opt", ".", "data", "+", "'.'", "+", "corpus_type", "+", "'.[0-9]*.pt'", ")", ")", "if", "pts", ":", "for", "pt", "in", "pts", ":", "yield", "_lazy_dataset_loader", "(", "pt", ",", "corpus_type", ")", "else", ":", "# Only one inputters.*Dataset, simple!", "pt", "=", "opt", ".", "data", "+", "'.'", "+", "corpus_type", "+", "'.pt'", "yield", "_lazy_dataset_loader", "(", "pt", ",", "corpus_type", ")" ]

[ "Create", "batches" ]

[ "def", "create_batches", "(", "self", ")", ":", "if", "self", ".", "train", ":", "def", "_pool", "(", "data", ",", "random_shuffler", ")", ":", "for", "p", "in", "torchtext", ".", "data", ".", "batch", "(", "data", ",", "self", ".", "batch_size", "*", "100", ")", ":", "p_batch", "=", "torchtext", ".", "data", ".", "batch", "(", "sorted", "(", "p", ",", "key", "=", "self", ".", "sort_key", ")", ",", "self", ".", "batch_size", ",", "self", ".", "batch_size_fn", ")", "for", "b", "in", "random_shuffler", "(", "list", "(", "p_batch", ")", ")", ":", "yield", "b", "self", ".", "batches", "=", "_pool", "(", "self", ".", "data", "(", ")", ",", "self", ".", "random_shuffler", ")", "else", ":", "self", ".", "batches", "=", "[", "]", "for", "b", "in", "torchtext", ".", "data", ".", "batch", "(", "self", ".", "data", "(", ")", ",", "self", ".", "batch_size", ",", "self", ".", "batch_size_fn", ")", ":", "self", ".", "batches", ".", "append", "(", "sorted", "(", "b", ",", "key", "=", "self", ".", "sort_key", ")", ")" ]

[ "Read", "the", "config", "file", "and", "pre", "-", "/", "load", "the", "models" ]

[ "def", "start", "(", "self", ",", "config_file", ")", ":", "self", ".", "config_file", "=", "config_file", "with", "open", "(", "self", ".", "config_file", ")", "as", "f", ":", "self", ".", "confs", "=", "json", ".", "load", "(", "f", ")", "self", ".", "models_root", "=", "self", ".", "confs", ".", "get", "(", "'models_root'", ",", "'./available_models'", ")", "for", "i", ",", "conf", "in", "enumerate", "(", "self", ".", "confs", "[", "\"models\"", "]", ")", ":", "if", "\"models\"", "not", "in", "conf", ":", "if", "\"model\"", "in", "conf", ":", "# backwards compatibility for confs", "conf", "[", "\"models\"", "]", "=", "[", "conf", "[", "\"model\"", "]", "]", "else", ":", "raise", "ValueError", "(", "\"\"\"Incorrect config file: missing 'models'\n parameter for model #%d\"\"\"", "%", "i", ")", "kwargs", "=", "{", "'timeout'", ":", "conf", ".", "get", "(", "'timeout'", ",", "None", ")", ",", "'load'", ":", "conf", ".", "get", "(", "'load'", ",", "None", ")", ",", "'tokenizer_opt'", ":", "conf", ".", "get", "(", "'tokenizer'", ",", "None", ")", ",", "'on_timeout'", ":", "conf", ".", "get", "(", "'on_timeout'", ",", "None", ")", ",", "'model_root'", ":", "conf", ".", "get", "(", "'model_root'", ",", "self", ".", "models_root", ")", "}", "kwargs", "=", "{", "k", ":", "v", "for", "(", "k", ",", "v", ")", "in", "kwargs", ".", "items", "(", ")", "if", "v", "is", "not", "None", "}", "model_id", "=", "conf", ".", "get", "(", "\"id\"", ",", "None", ")", "opt", "=", "conf", "[", "\"opt\"", "]", "opt", "[", "\"models\"", "]", "=", "conf", "[", "\"models\"", "]", "self", ".", "preload_model", "(", "opt", ",", "model_id", "=", "model_id", ",", "*", "*", "kwargs", ")" ]

[ "Clone", "a", "model", "model_id", ".", "Different", "options", "may", "be", "passed", ".", "If", "opt", "is", "None", "it", "will", "use", "the", "same", "set", "of", "options" ]

[ "def", "clone_model", "(", "self", ",", "model_id", ",", "opt", ",", "timeout", "=", "-", "1", ")", ":", "if", "model_id", "in", "self", ".", "models", ":", "if", "opt", "is", "None", ":", "opt", "=", "self", ".", "models", "[", "model_id", "]", ".", "user_opt", "opt", "[", "\"models\"", "]", "=", "self", ".", "models", "[", "model_id", "]", ".", "opt", ".", "models", "return", "self", ".", "load_model", "(", "opt", ",", "timeout", ")", "else", ":", "raise", "ServerModelError", "(", "\"No such model '%s'\"", "%", "str", "(", "model_id", ")", ")" ]

[ "Loading", "a", "model", "given", "a", "set", "of", "options" ]

[ "def", "load_model", "(", "self", ",", "opt", ",", "model_id", "=", "None", ",", "*", "*", "model_kwargs", ")", ":", "model_id", "=", "self", ".", "preload_model", "(", "opt", ",", "model_id", "=", "model_id", ",", "*", "*", "model_kwargs", ")", "load_time", "=", "self", ".", "models", "[", "model_id", "]", ".", "load_time", "return", "model_id", ",", "load_time" ]

[ "Preloading", "the", "model", ":", "updating", "internal", "datastructure", "It", "will", "effectively", "load", "the", "model", "if", "load", "is", "set" ]

[ "def", "preload_model", "(", "self", ",", "opt", ",", "model_id", "=", "None", ",", "*", "*", "model_kwargs", ")", ":", "if", "model_id", "is", "not", "None", ":", "if", "model_id", "in", "self", ".", "models", ".", "keys", "(", ")", ":", "raise", "ValueError", "(", "\"Model ID %d already exists\"", "%", "model_id", ")", "else", ":", "model_id", "=", "self", ".", "next_id", "while", "model_id", "in", "self", ".", "models", ".", "keys", "(", ")", ":", "model_id", "+=", "1", "self", ".", "next_id", "=", "model_id", "+", "1", "print", "(", "\"Pre-loading model %d\"", "%", "model_id", ")", "model", "=", "ServerModel", "(", "opt", ",", "model_id", ",", "*", "*", "model_kwargs", ")", "self", ".", "models", "[", "model_id", "]", "=", "model", "return", "model_id" ]

[ "Translate", "inputs", "We", "keep", "the", "same", "format", "as", "the", "Lua", "version", "i", ".", "e", ".", "[", "{", "id", ":", "model_id", "src", ":", "sequence", "to", "translate", "}", "{", "...", "}", "]" ]

[ "def", "run", "(", "self", ",", "inputs", ")", ":", "model_id", "=", "inputs", "[", "0", "]", ".", "get", "(", "\"id\"", ",", "0", ")", "if", "model_id", "in", "self", ".", "models", "and", "self", ".", "models", "[", "model_id", "]", "is", "not", "None", ":", "return", "self", ".", "models", "[", "model_id", "]", ".", "run", "(", "inputs", ")", "else", ":", "print", "(", "\"Error No such model '%s'\"", "%", "str", "(", "model_id", ")", ")", "raise", "ServerModelError", "(", "\"No such model '%s'\"", "%", "str", "(", "model_id", ")", ")" ]

[ "Manually", "unload", "a", "model", ".", "It", "will", "free", "the", "memory", "and", "cancel", "the", "timer" ]

[ "def", "unload_model", "(", "self", ",", "model_id", ")", ":", "if", "model_id", "in", "self", ".", "models", "and", "self", ".", "models", "[", "model_id", "]", "is", "not", "None", ":", "self", ".", "models", "[", "model_id", "]", ".", "unload", "(", ")", "else", ":", "raise", "ServerModelError", "(", "\"No such model '%s'\"", "%", "str", "(", "model_id", ")", ")" ]

[ "Return", "the", "list", "of", "available", "models" ]

[ "def", "list_models", "(", "self", ")", ":", "models", "=", "[", "]", "for", "_", ",", "model", "in", "self", ".", "models", ".", "items", "(", ")", ":", "models", "+=", "[", "model", ".", "to_dict", "(", ")", "]", "return", "models" ]

[ "Args", ":", "opt", ":", "(", "dict", ")", "options", "for", "the", "Translator", "model_id", ":", "(", "int", ")", "model", "id", "tokenizer_opt", ":", "(", "dict", ")", "options", "for", "the", "tokenizer", "or", "None", "load", ":", "(", "bool", ")", "whether", "to", "load", "the", "model", "during", "__init__", "timeout", ":", "(", "int", ")", "seconds", "before", "running", "do_timeout", "Negative", "values", "means", "no", "timeout", "on_timeout", ":", "(", "str", ")", "in", "[", "to_cpu", "unload", "]", "set", "what", "to", "do", "on", "timeout", "(", "see", "function", "do_timeout", ")", "model_root", ":", "(", "str", ")", "path", "to", "the", "model", "directory", "it", "must", "contain", "de", "model", "and", "tokenizer", "file" ]

[ "def", "__init__", "(", "self", ",", "opt", ",", "model_id", ",", "tokenizer_opt", "=", "None", ",", "load", "=", "False", ",", "timeout", "=", "-", "1", ",", "on_timeout", "=", "\"to_cpu\"", ",", "model_root", "=", "\"./\"", ")", ":", "self", ".", "model_root", "=", "model_root", "self", ".", "opt", "=", "self", ".", "parse_opt", "(", "opt", ")", "if", "self", ".", "opt", ".", "n_best", ">", "1", ":", "raise", "ValueError", "(", "\"Values of n_best > 1 are not supported\"", ")", "self", ".", "model_id", "=", "model_id", "self", ".", "tokenizer_opt", "=", "tokenizer_opt", "self", ".", "timeout", "=", "timeout", "self", ".", "on_timeout", "=", "on_timeout", "self", ".", "unload_timer", "=", "None", "self", ".", "user_opt", "=", "opt", "self", ".", "tokenizer", "=", "None", "self", ".", "logger", "=", "init_logger", "(", "self", ".", "opt", ".", "log_file", ")", "self", ".", "loading_lock", "=", "threading", ".", "Event", "(", ")", "self", ".", "loading_lock", ".", "set", "(", ")", "if", "load", ":", "self", ".", "load", "(", ")" ]

[ "Parse", "the", "option", "set", "passed", "by", "the", "user", "using", "onmt", ".", "opts", "Args", ":", "opt", ":", "(", "dict", ")", "options", "passed", "by", "the", "user" ]

[ "def", "parse_opt", "(", "self", ",", "opt", ")", ":", "prec_argv", "=", "sys", ".", "argv", "sys", ".", "argv", "=", "sys", ".", "argv", "[", ":", "1", "]", "parser", "=", "argparse", ".", "ArgumentParser", "(", ")", "onmt", ".", "opts", ".", "translate_opts", "(", "parser", ")", "models", "=", "opt", "[", "'models'", "]", "if", "not", "isinstance", "(", "models", ",", "(", "list", ",", "tuple", ")", ")", ":", "models", "=", "[", "models", "]", "opt", "[", "'models'", "]", "=", "[", "os", ".", "path", ".", "join", "(", "self", ".", "model_root", ",", "model", ")", "for", "model", "in", "models", "]", "opt", "[", "'src'", "]", "=", "\"dummy_src\"", "for", "(", "k", ",", "v", ")", "in", "opt", ".", "items", "(", ")", ":", "if", "k", "==", "'models'", ":", "sys", ".", "argv", "+=", "[", "'-model'", "]", "sys", ".", "argv", "+=", "[", "str", "(", "model", ")", "for", "model", "in", "v", "]", "elif", "type", "(", "v", ")", "==", "bool", ":", "sys", ".", "argv", "+=", "[", "'-%s'", "%", "k", "]", "else", ":", "sys", ".", "argv", "+=", "[", "'-%s'", "%", "k", ",", "str", "(", "v", ")", "]", "opt", "=", "parser", ".", "parse_args", "(", ")", "opt", ".", "cuda", "=", "opt", ".", "gpu", ">", "-", "1", "sys", ".", "argv", "=", "prec_argv", "return", "opt" ]

[ "Translate", "inputs", "using", "this", "model" ]

[ "def", "run", "(", "self", ",", "inputs", ")", ":", "self", ".", "stop_unload_timer", "(", ")", "timer", "=", "Timer", "(", ")", "timer", ".", "start", "(", ")", "self", ".", "logger", ".", "info", "(", "\"Running translation using %d\"", "%", "self", ".", "model_id", ")", "if", "not", "self", ".", "loading_lock", ".", "is_set", "(", ")", ":", "self", ".", "logger", ".", "info", "(", "\"Model #%d is being loaded by another thread, waiting\"", "%", "self", ".", "model_id", ")", "if", "not", "self", ".", "loading_lock", ".", "wait", "(", "timeout", "=", "30", ")", ":", "raise", "ServerModelError", "(", "\"Model %d loading timeout\"", "%", "self", ".", "model_id", ")", "else", ":", "if", "not", "self", ".", "loaded", ":", "self", ".", "load", "(", ")", "timer", ".", "tick", "(", "name", "=", "\"load\"", ")", "elif", "self", ".", "opt", ".", "cuda", ":", "self", ".", "to_gpu", "(", ")", "timer", ".", "tick", "(", "name", "=", "\"to_gpu\"", ")", "texts", "=", "[", "]", "head_spaces", "=", "[", "]", "tail_spaces", "=", "[", "]", "sslength", "=", "[", "]", "for", "i", ",", "inp", "in", "enumerate", "(", "inputs", ")", ":", "src", "=", "inp", "[", "'src'", "]", "if", "src", ".", "strip", "(", ")", "==", "\"\"", ":", "head_spaces", ".", "append", "(", "src", ")", "texts", ".", "append", "(", "\"\"", ")", "tail_spaces", ".", "append", "(", "\"\"", ")", "else", ":", "whitespaces_before", ",", "whitespaces_after", "=", "\"\"", ",", "\"\"", "match_before", "=", "re", ".", "search", "(", "r'^\\s+'", ",", "src", ")", "match_after", "=", "re", ".", "search", "(", "r'\\s+$'", ",", "src", ")", "if", "match_before", "is", "not", "None", ":", "whitespaces_before", "=", "match_before", ".", "group", "(", "0", ")", "if", "match_after", "is", "not", "None", ":", "whitespaces_after", "=", "match_after", ".", "group", "(", "0", ")", "head_spaces", ".", "append", "(", "whitespaces_before", ")", "tok", "=", "self", ".", "maybe_tokenize", "(", "src", ".", "strip", "(", ")", ")", "texts", ".", "append", "(", "tok", ")", "sslength", ".", "append", "(", "len", "(", "tok", ".", "split", "(", ")", ")", ")", "tail_spaces", ".", "append", "(", "whitespaces_after", ")", "empty_indices", "=", "[", "i", "for", "i", ",", "x", "in", "enumerate", "(", "texts", ")", "if", "x", "==", "\"\"", "]", "texts_to_translate", "=", "[", "x", "for", "x", "in", "texts", "if", "x", "!=", "\"\"", "]", "scores", "=", "[", "]", "predictions", "=", "[", "]", "if", "len", "(", "texts_to_translate", ")", ">", "0", ":", "try", ":", "scores", ",", "predictions", "=", "self", ".", "translator", ".", "translate", "(", "src_data_iter", "=", "texts_to_translate", ",", "batch_size", "=", "self", ".", "opt", ".", "batch_size", ")", "except", "RuntimeError", "as", "e", ":", "raise", "ServerModelError", "(", "\"Runtime Error: %s\"", "%", "str", "(", "e", ")", ")", "timer", ".", "tick", "(", "name", "=", "\"translation\"", ")", "self", ".", "logger", ".", "info", "(", "\"\"\"Using model #%d\\t%d inputs\n \\ttranslation time: %f\"\"\"", "%", "(", "self", ".", "model_id", ",", "len", "(", "texts", ")", ",", "timer", ".", "times", "[", "'translation'", "]", ")", ")", "self", ".", "reset_unload_timer", "(", ")", "# NOTE: translator returns lists of `n_best` list", "# we can ignore that (i.e. flatten lists) only because", "# we restrict `n_best=1`", "def", "flatten_list", "(", "_list", ")", ":", "return", "sum", "(", "_list", ",", "[", "]", ")", "results", "=", "flatten_list", "(", "predictions", ")", "scores", "=", "[", "score_tensor", ".", "item", "(", ")", "for", "score_tensor", "in", "flatten_list", "(", "scores", ")", "]", "results", "=", "[", "self", ".", "maybe_detokenize", "(", "item", ")", "for", "item", "in", "results", "]", "# build back results with empty texts", "for", "i", "in", "empty_indices", ":", "results", ".", "insert", "(", "i", ",", "\"\"", ")", "scores", ".", "insert", "(", "i", ",", "0", ")", "results", "=", "[", "\"\"", ".", "join", "(", "items", ")", "for", "items", "in", "zip", "(", "head_spaces", ",", "results", ",", "tail_spaces", ")", "]", "self", ".", "logger", ".", "info", "(", "\"Translation Results: %d\"", ",", "len", "(", "results", ")", ")", "return", "results", ",", "scores", ",", "self", ".", "opt", ".", "n_best", ",", "timer", ".", "times" ]

[ "Timeout", "function", "that", "free", "GPU", "memory", "by", "moving", "the", "model", "to", "CPU", "or", "unloading", "it", ";", "depending", "on", "self", ".", "on_timemout", "value" ]

[ "def", "do_timeout", "(", "self", ")", ":", "if", "self", ".", "on_timeout", "==", "\"unload\"", ":", "self", ".", "logger", ".", "info", "(", "\"Timeout: unloading model %d\"", "%", "self", ".", "model_id", ")", "self", ".", "unload", "(", ")", "if", "self", ".", "on_timeout", "==", "\"to_cpu\"", ":", "self", ".", "logger", ".", "info", "(", "\"Timeout: sending model %d to CPU\"", "%", "self", ".", "model_id", ")", "self", ".", "to_cpu", "(", ")" ]

[ "Move", "the", "model", "to", "CPU", "and", "clear", "CUDA", "cache" ]

[ "def", "to_cpu", "(", "self", ")", ":", "self", ".", "translator", ".", "model", ".", "cpu", "(", ")", "if", "self", ".", "opt", ".", "cuda", ":", "torch", ".", "cuda", ".", "empty_cache", "(", ")" ]

[ "Move", "the", "model", "to", "GPU" ]

[ "def", "to_gpu", "(", "self", ")", ":", "torch", ".", "cuda", ".", "set_device", "(", "self", ".", "opt", ".", "gpu", ")", "self", ".", "translator", ".", "model", ".", "cuda", "(", ")" ]

[ "Tokenize", "the", "sequence", "(", "or", "not", ")" ]

[ "def", "maybe_tokenize", "(", "self", ",", "sequence", ")", ":", "if", "self", ".", "tokenizer_opt", "is", "not", "None", ":", "return", "self", ".", "tokenize", "(", "sequence", ")", "return", "sequence" ]

[ "Tokenize", "a", "single", "sequence" ]

[ "def", "tokenize", "(", "self", ",", "sequence", ")", ":", "if", "self", ".", "tokenizer", "is", "None", ":", "raise", "ValueError", "(", "\"No tokenizer loaded\"", ")", "if", "self", ".", "tokenizer_opt", "[", "\"type\"", "]", "==", "\"sentencepiece\"", ":", "tok", "=", "self", ".", "tokenizer", ".", "EncodeAsPieces", "(", "sequence", ")", "tok", "=", "\" \"", ".", "join", "(", "tok", ")", "elif", "self", ".", "tokenizer_opt", "[", "\"type\"", "]", "==", "\"pyonmttok\"", ":", "tok", ",", "_", "=", "self", ".", "tokenizer", ".", "tokenize", "(", "sequence", ")", "tok", "=", "\" \"", ".", "join", "(", "tok", ")", "return", "tok" ]

[ "De", "-", "tokenize", "the", "sequence", "(", "or", "not", ")" ]

[ "def", "maybe_detokenize", "(", "self", ",", "sequence", ")", ":", "if", "self", ".", "tokenizer_opt", "is", "not", "None", "and", "''", ".", "join", "(", "sequence", ".", "split", "(", ")", ")", "!=", "''", ":", "return", "self", ".", "detokenize", "(", "sequence", ")", "return", "sequence" ]

[ "Detokenize", "a", "single", "sequence" ]

[ "def", "detokenize", "(", "self", ",", "sequence", ")", ":", "if", "self", ".", "tokenizer", "is", "None", ":", "raise", "ValueError", "(", "\"No tokenizer loaded\"", ")", "if", "self", ".", "tokenizer_opt", "[", "\"type\"", "]", "==", "\"sentencepiece\"", ":", "detok", "=", "self", ".", "tokenizer", ".", "DecodePieces", "(", "sequence", ".", "split", "(", ")", ")", "elif", "self", ".", "tokenizer_opt", "[", "\"type\"", "]", "==", "\"pyonmttok\"", ":", "detok", "=", "self", ".", "tokenizer", ".", "detokenize", "(", "sequence", ".", "split", "(", ")", ")", "return", "detok" ]

[ "NMT", "coverage", "re", "-", "ranking", "score", "from", "Google", "s", "Neural", "Machine", "Translation", "System", ":", "cite", ":", "wu2016google", "." ]

[ "def", "coverage_wu", "(", "self", ",", "beam", ",", "cov", ",", "beta", "=", "0.", ")", ":", "penalty", "=", "-", "torch", ".", "min", "(", "cov", ",", "cov", ".", "clone", "(", ")", ".", "fill_", "(", "1.0", ")", ")", ".", "log", "(", ")", ".", "sum", "(", "1", ")", "return", "beta", "*", "penalty" ]

[ "Our", "summary", "penalty", "." ]

[ "def", "coverage_summary", "(", "self", ",", "beam", ",", "cov", ",", "beta", "=", "0.", ")", ":", "penalty", "=", "torch", ".", "max", "(", "cov", ",", "cov", ".", "clone", "(", ")", ".", "fill_", "(", "1.0", ")", ")", ".", "sum", "(", "1", ")", "penalty", "-=", "cov", ".", "size", "(", "1", ")", "return", "beta", "*", "penalty" ]

[ "returns", "zero", "as", "penalty" ]

[ "def", "coverage_none", "(", "self", ",", "beam", ",", "cov", ",", "beta", "=", "0.", ")", ":", "return", "beam", ".", "scores", ".", "clone", "(", ")", ".", "fill_", "(", "0.0", ")" ]

[ "NMT", "length", "re", "-", "ranking", "score", "from", "Google", "s", "Neural", "Machine", "Translation", "System", ":", "cite", ":", "wu2016google", "." ]

[ "def", "length_wu", "(", "self", ",", "beam", ",", "logprobs", ",", "alpha", "=", "0.", ")", ":", "modifier", "=", "(", "(", "(", "5", "+", "len", "(", "beam", ".", "next_ys", ")", ")", "**", "alpha", ")", "/", "(", "(", "5", "+", "1", ")", "**", "alpha", ")", ")", "return", "(", "logprobs", "/", "modifier", ")" ]

[ "Returns", "the", "average", "probability", "of", "tokens", "in", "a", "sequence", "." ]

[ "def", "length_average", "(", "self", ",", "beam", ",", "logprobs", ",", "alpha", "=", "0.", ")", ":", "return", "logprobs", "/", "len", "(", "beam", ".", "next_ys", ")" ]

[ "Returns", "unmodified", "scores", "." ]

[ "def", "length_none", "(", "self", ",", "beam", ",", "logprobs", ",", "alpha", "=", "0.", ",", "beta", "=", "0.", ")", ":", "return", "logprobs" ]

[ "Translate", "content", "of", "src_data_iter", "(", "if", "not", "None", ")", "or", "src_path", "and", "get", "gold", "scores", "if", "one", "of", "tgt_data_iter", "or", "tgt_path", "is", "set", "." ]

[ "def", "translate", "(", "self", ",", "src_path", "=", "None", ",", "src_data_iter", "=", "None", ",", "tgt_path", "=", "None", ",", "tgt_data_iter", "=", "None", ",", "src_dir", "=", "None", ",", "batch_size", "=", "None", ",", "attn_debug", "=", "False", ")", ":", "assert", "src_data_iter", "is", "not", "None", "or", "src_path", "is", "not", "None", "if", "batch_size", "is", "None", ":", "raise", "ValueError", "(", "\"batch_size must be set\"", ")", "data", "=", "inputters", ".", "build_dataset", "(", "self", ".", "fields", ",", "self", ".", "data_type", ",", "src_path", "=", "src_path", ",", "src_data_iter", "=", "src_data_iter", ",", "tgt_path", "=", "tgt_path", ",", "tgt_data_iter", "=", "tgt_data_iter", ",", "src_dir", "=", "src_dir", ",", "sample_rate", "=", "self", ".", "sample_rate", ",", "window_size", "=", "self", ".", "window_size", ",", "window_stride", "=", "self", ".", "window_stride", ",", "window", "=", "self", ".", "window", ",", "use_filter_pred", "=", "self", ".", "use_filter_pred", ",", "image_channel_size", "=", "self", ".", "image_channel_size", ")", "if", "self", ".", "cuda", ":", "cur_device", "=", "\"cuda\"", "else", ":", "cur_device", "=", "\"cpu\"", "data_iter", "=", "inputters", ".", "OrderedIterator", "(", "dataset", "=", "data", ",", "device", "=", "cur_device", ",", "batch_size", "=", "batch_size", ",", "train", "=", "False", ",", "sort", "=", "False", ",", "sort_within_batch", "=", "True", ",", "shuffle", "=", "False", ")", "builder", "=", "onmt", ".", "translate", ".", "TranslationBuilder", "(", "data", ",", "self", ".", "fields", ",", "self", ".", "n_best", ",", "self", ".", "replace_unk", ",", "tgt_path", ")", "# Statistics", "counter", "=", "count", "(", "1", ")", "pred_score_total", ",", "pred_words_total", "=", "0", ",", "0", "gold_score_total", ",", "gold_words_total", "=", "0", ",", "0", "all_scores", "=", "[", "]", "all_predictions", "=", "[", "]", "for", "batch", "in", "data_iter", ":", "batch_data", "=", "self", ".", "translate_batch", "(", "batch", ",", "data", ",", "fast", "=", "self", ".", "fast", ")", "translations", "=", "builder", ".", "from_batch", "(", "batch_data", ")", "for", "trans", "in", "translations", ":", "all_scores", "+=", "[", "trans", ".", "pred_scores", "[", ":", "self", ".", "n_best", "]", "]", "pred_score_total", "+=", "trans", ".", "pred_scores", "[", "0", "]", "pred_words_total", "+=", "len", "(", "trans", ".", "pred_sents", "[", "0", "]", ")", "if", "tgt_path", "is", "not", "None", ":", "gold_score_total", "+=", "trans", ".", "gold_score", "gold_words_total", "+=", "len", "(", "trans", ".", "gold_sent", ")", "+", "1", "n_best_preds", "=", "[", "\" \"", ".", "join", "(", "pred", ")", "for", "pred", "in", "trans", ".", "pred_sents", "[", ":", "self", ".", "n_best", "]", "]", "all_predictions", "+=", "[", "n_best_preds", "]", "self", ".", "out_file", ".", "write", "(", "'\\n'", ".", "join", "(", "n_best_preds", ")", "+", "'\\n'", ")", "self", ".", "out_file", ".", "flush", "(", ")", "if", "self", ".", "verbose", ":", "sent_number", "=", "next", "(", "counter", ")", "output", "=", "trans", ".", "log", "(", "sent_number", ")", "if", "self", ".", "logger", ":", "self", ".", "logger", ".", "info", "(", "output", ")", "else", ":", "os", ".", "write", "(", "1", ",", "output", ".", "encode", "(", "'utf-8'", ")", ")", "# Debug attention.", "if", "attn_debug", ":", "srcs", "=", "trans", ".", "src_raw", "preds", "=", "trans", ".", "pred_sents", "[", "0", "]", "preds", ".", "append", "(", "'</s>'", ")", "attns", "=", "trans", ".", "attns", "[", "0", "]", ".", "tolist", "(", ")", "header_format", "=", "\"{:>10.10} \"", "+", "\"{:>10.7} \"", "*", "len", "(", "srcs", ")", "row_format", "=", "\"{:>10.10} \"", "+", "\"{:>10.7f} \"", "*", "len", "(", "srcs", ")", "output", "=", "header_format", ".", "format", "(", "\"\"", ",", "*", "trans", ".", "src_raw", ")", "+", "'\\n'", "for", "word", ",", "row", "in", "zip", "(", "preds", ",", "attns", ")", ":", "max_index", "=", "row", ".", "index", "(", "max", "(", "row", ")", ")", "row_format", "=", "row_format", ".", "replace", "(", "\"{:>10.7f} \"", ",", "\"{:*>10.7f} \"", ",", "max_index", "+", "1", ")", "row_format", "=", "row_format", ".", "replace", "(", "\"{:*>10.7f} \"", ",", "\"{:>10.7f} \"", ",", "max_index", ")", "output", "+=", "row_format", ".", "format", "(", "word", ",", "*", "row", ")", "+", "'\\n'", "row_format", "=", "\"{:>10.10} \"", "+", "\"{:>10.7f} \"", "*", "len", "(", "srcs", ")", "os", ".", "write", "(", "1", ",", "output", ".", "encode", "(", "'utf-8'", ")", ")", "#TODO change back", "#if self.report_score:", "# msg = self._report_score('PRED', pred_score_total,", "# pred_words_total)", "# if self.logger:", "# self.logger.info(msg)", "# else:", "# print(msg)", "# if tgt_path is not None:", "# msg = self._report_score('GOLD', gold_score_total,", "# gold_words_total)", "# if self.logger:", "# self.logger.info(msg)", "# else:", "# print(msg)", "# if self.report_bleu:", "# msg = self._report_bleu(tgt_path)", "# if self.logger:", "# self.logger.info(msg)", "# else:", "# print(msg)", "# if self.report_rouge:", "# msg = self._report_rouge(tgt_path)", "# if self.logger:", "# self.logger.info(msg)", "# else:", "# print(msg)", "if", "self", ".", "dump_beam", ":", "import", "json", "json", ".", "dump", "(", "self", ".", "translator", ".", "beam_accum", ",", "codecs", ".", "open", "(", "self", ".", "dump_beam", ",", "'w'", ",", "'utf-8'", ")", ")", "return", "all_scores", ",", "all_predictions" ]

[ "Translate", "a", "batch", "of", "sentences", "." ]

[ "def", "translate_batch", "(", "self", ",", "batch", ",", "data", ",", "fast", "=", "False", ")", ":", "with", "torch", ".", "no_grad", "(", ")", ":", "if", "fast", ":", "return", "self", ".", "_fast_translate_batch", "(", "batch", ",", "data", ",", "self", ".", "max_length", ",", "min_length", "=", "self", ".", "min_length", ",", "n_best", "=", "self", ".", "n_best", ",", "return_attention", "=", "self", ".", "replace_unk", ")", "else", ":", "# 2333: go here", "return", "self", ".", "_translate_batch", "(", "batch", ",", "data", ")" ]

[ "Get", "the", "outputs", "for", "the", "current", "timestep", "." ]

[ "def", "get_current_state", "(", "self", ")", ":", "return", "self", ".", "next_ys", "[", "-", "1", "]" ]

[ "Get", "the", "backpointers", "for", "the", "current", "timestep", "." ]

[ "def", "get_current_origin", "(", "self", ")", ":", "return", "self", ".", "prev_ks", "[", "-", "1", "]" ]

[ "Given", "prob", "over", "words", "for", "every", "last", "beam", "wordLk", "and", "attention", "attn_out", ":", "Compute", "and", "update", "the", "beam", "search", "." ]

[ "def", "advance", "(", "self", ",", "word_probs", ",", "attn_out", ")", ":", "num_words", "=", "word_probs", ".", "size", "(", "1", ")", "if", "self", ".", "stepwise_penalty", ":", "self", ".", "global_scorer", ".", "update_score", "(", "self", ",", "attn_out", ")", "# force the output to be longer than self.min_length", "cur_len", "=", "len", "(", "self", ".", "next_ys", ")", "if", "cur_len", "<", "self", ".", "min_length", ":", "word_probs", "[", ":", ",", "self", ".", "_eos", "]", "=", "-", "1e20", "# Sum the previous scores.", "if", "len", "(", "self", ".", "prev_ks", ")", ">", "0", ":", "beam_scores", "=", "word_probs", "+", "self", ".", "scores", ".", "unsqueeze", "(", "1", ")", ".", "expand_as", "(", "word_probs", ")", "# Don't let EOS have children. ", "beam_scores", "[", "self", ".", "next_ys", "[", "-", "1", "]", "==", "self", ".", "_eos", "]", "=", "-", "1e20", "# Block ngram repeats", "if", "self", ".", "block_ngram_repeat", ">", "0", ":", "ngrams", "=", "[", "]", "le", "=", "len", "(", "self", ".", "next_ys", ")", "for", "j", "in", "range", "(", "self", ".", "next_ys", "[", "-", "1", "]", ".", "size", "(", "0", ")", ")", ":", "hyp", ",", "_", "=", "self", ".", "get_hyp", "(", "le", "-", "1", ",", "j", ",", "requires_attn", "=", "False", ")", "ngrams", "=", "set", "(", ")", "fail", "=", "False", "gram", "=", "[", "]", "for", "i", "in", "range", "(", "le", "-", "1", ")", ":", "# Last n tokens, n = block_ngram_repeat", "gram", "=", "(", "gram", "+", "[", "hyp", "[", "i", "]", "]", ")", "[", "-", "self", ".", "block_ngram_repeat", ":", "]", "# Skip the blocking if it is in the exclusion list", "if", "set", "(", "gram", ")", "&", "self", ".", "exclusion_tokens", ":", "continue", "if", "tuple", "(", "gram", ")", "in", "ngrams", ":", "fail", "=", "True", "ngrams", ".", "add", "(", "tuple", "(", "gram", ")", ")", "if", "fail", ":", "beam_scores", "[", "j", "]", "=", "-", "10e20", "else", ":", "beam_scores", "=", "word_probs", "[", "0", "]", "flat_beam_scores", "=", "beam_scores", ".", "view", "(", "-", "1", ")", "best_scores", ",", "best_scores_id", "=", "flat_beam_scores", ".", "topk", "(", "self", ".", "size", ",", "0", ",", "True", ",", "True", ")", "self", ".", "all_scores", ".", "append", "(", "self", ".", "scores", ")", "self", ".", "scores", "=", "best_scores", "# best_scores_id is flattened beam x word array, so calculate which", "# word and beam each score came from", "prev_k", "=", "best_scores_id", "/", "num_words", "self", ".", "prev_ks", ".", "append", "(", "prev_k", ")", "self", ".", "prev_ks_cpu", ".", "append", "(", "prev_k", ".", "tolist", "(", ")", ")", "self", ".", "next_ys", ".", "append", "(", "(", "best_scores_id", "-", "prev_k", "*", "num_words", ")", ")", "self", ".", "next_ys_cpu", ".", "append", "(", "(", "best_scores_id", "-", "prev_k", "*", "num_words", ")", ".", "tolist", "(", ")", ")", "self", ".", "attn", ".", "append", "(", "attn_out", ".", "index_select", "(", "0", ",", "prev_k", ")", ")", "self", ".", "global_scorer", ".", "update_global_state", "(", "self", ")", "eos_indicator", "=", "self", ".", "next_ys", "[", "-", "1", "]", "==", "self", ".", "_eos", "if", "eos_indicator", ".", "any", "(", ")", ":", "global_scores", "=", "self", ".", "global_scorer", ".", "score", "(", "self", ",", "self", ".", "scores", ")", "global_scores_eos", "=", "global_scores", "[", "eos_indicator", "]", "i_indexes", "=", "torch", ".", "where", "(", "eos_indicator", ")", "[", "0", "]", "for", "s", ",", "i", ",", "in", "zip", "(", "global_scores_eos", ".", "tolist", "(", ")", ",", "i_indexes", ".", "tolist", "(", ")", ")", ":", "self", ".", "finished", ".", "append", "(", "(", "s", ",", "len", "(", "self", ".", "next_ys", ")", "-", "1", ",", "i", ")", ")", "# for i in range(self.next_ys[-1].size(0)):", "# if self.next_ys[-1][i] == self._eos:", "# global_scores = self.global_scorer.score(self, self.scores)", "# s = global_scores[i]", "# self.finished.append((s, len(self.next_ys) - 1, i))", "# End condition is when top-of-beam is EOS and no global score.", "if", "self", ".", "next_ys", "[", "-", "1", "]", "[", "0", "]", "==", "self", ".", "_eos", ":", "self", ".", "all_scores", ".", "append", "(", "self", ".", "scores", ")", "self", ".", "eos_top", "=", "True" ]

[ "Walk", "back", "to", "construct", "the", "full", "hypothesis", "." ]

[ "def", "get_hyp", "(", "self", ",", "timestep", ",", "k", ",", "requires_attn", "=", "True", ")", ":", "hyp", ",", "attn", "=", "[", "]", ",", "[", "]", "for", "j", "in", "range", "(", "len", "(", "self", ".", "prev_ks", "[", ":", "timestep", "]", ")", "-", "1", ",", "-", "1", ",", "-", "1", ")", ":", "hyp", ".", "append", "(", "self", ".", "next_ys_cpu", "[", "j", "+", "1", "]", "[", "k", "]", ")", "if", "requires_attn", ":", "attn", ".", "append", "(", "self", ".", "attn", "[", "j", "]", "[", "k", "]", ")", "k", "=", "self", ".", "prev_ks_cpu", "[", "j", "]", "[", "k", "]", "if", "requires_attn", ":", "attn", "=", "torch", ".", "stack", "(", "attn", "[", ":", ":", "-", "1", "]", ")", "return", "hyp", "[", ":", ":", "-", "1", "]", ",", "attn" ]

[ "Rescores", "a", "prediction", "based", "on", "penalty", "functions" ]

[ "def", "score", "(", "self", ",", "beam", ",", "logprobs", ")", ":", "normalized_probs", "=", "self", ".", "length_penalty", "(", "beam", ",", "logprobs", ",", "self", ".", "alpha", ")", "if", "not", "beam", ".", "stepwise_penalty", ":", "penalty", "=", "self", ".", "cov_penalty", "(", "beam", ",", "beam", ".", "global_state", "[", "\"coverage\"", "]", ",", "self", ".", "beta", ")", "normalized_probs", "-=", "penalty", "return", "normalized_probs" ]