RankGan-NIPS2017:RankGan（语言生成的专业排名）的Tensorflow实现

语言生成的对抗排名 介绍 这是Kevin Lin * ，Dianqi Li * ，何小东，张正有，孙明廷，NIPS 2017的的张量流实现。 环境 该代码基于python2.7和tensorflow 1.2版本。 该代码是使用一个NVIDIA M40 GPU开发和测试的。 跑步 python main.py 笔记 为了公平地比较，我们在使用了相同的LSTM单位，预训练和测试配置。 如果使用tf.contrib.rnn.LSTMCell而不是其LSTM实现，则会获得不同的训练结果。 save/target_params.pkl是oracle模型的参数。 log文件夹存储模型训练的日志。 理想情况下，您将在8.00-8.50之间收到8.00-8.50损失。 但是，对抗训练有时取决于训练前模型的质量。 用于对抗文本生成的更多评估指标可以参考： 和 。 引用RankGan 如果您发现Ran