python毕业设计，机器学习课程设计，实现一个语音级端到端的聊天机器人ChatBot

# NUAA-SuperChatbot NUAA的自定义机器学习课设，实现了一个语音级端到端的聊天机器人 项目的文件夹的结构为： - ASR : 语音识别模块，负责将用户输入的语音转换为文本序列 - ChatBot : 聊天机器人模块，负责将输入的中文文本序列转换为对应输出的语音序列 - TTS : 文语转换模块，也就是语音合成模块 -- - ## ChatBot ### 介绍 属于整个系统的核心组件，可以理解为将一句中文“翻译”成中文，从而在功能上达到对话的效果。 ### 说明 - 请不要在`./ChatBot`文件夹下运行程序，因为该文件夹已经被声明为一个**Python模块** - 所有的训练参数，模型参数，推理参数，其他参数都写在了`./ChatBot/constants.py`中，你可以打开这个文件夹或者在运行时修改其中的参数。 - 为了方便调整参数，我已经将一组迷你样本放在了`./data/ChatBot/ensemble`中，包括迷你对话索引序列数据集和一个词表数据集。 ### 开箱调参 如果你需要为模型设置参数，那么请打开单元测试文件`./unit_test.py`，运行测试训练的单元函数`test_train()`即可。这个函数中的训练函数说明如下： ```python train( version="0.0.0", # 当前的版本，这是为了更好的进行版本控制 pairs=data_dict["index_pairs"], Epoch=EPOCH_NUM, # 训练论述，默认采用模块默认的，这个参数可以在constant.py中找到 model=model, optimizer=optimizer, batch_size=BATCH_SIZE, # Batch的大小 save_dir="./dist/ChatBot", # 保存模型文件的路径文件夹 save_model=True, # 是否保存模型 save_optimizer=False, # 是否保存优化器参数 clip_threshold=CLIP_THRESHOLD, # 梯度裁剪参数 TF_ratio=TEACHER_FORCING_RATE, # 使用TF策略的概率 save_interval=SAVE_INTERVAL, # 保存模型的间隔，默认每隔SAVE_INTERVAL轮保存一次模型 display_progress_bar=True # 是否开启进度条，强烈建议开启，因为被我调教得很好看 ) ``` 你可以在`./ChatBot/constants.py`中修改参数以适配训练，当打印信息让你比较满意时，你就可以考虑开始在超大样本上开始训练了。 ## 使用 1. 首先使用`pip install -r requirements.txt`安装依赖。 2. 使用`python manage.py runserver`启动项目，默认只有本机可访问，且端口为8000。