该项目是为了训练一个能够完成白话文到古文的翻译。开始这个项目一方面是为了好玩，另一方面也是作为使用 pytorch-lightning这个框架的一个测试。
- torch >= 1.6.0
- pytorch-lightning >= 1.2.10
使用的语料库为：https://github.com/bangboom/classical-chinese
通过将该语料库的所有书籍组合成: 白话文 -> 古文的格式进行训练，共有语料对890521条。
本项目尝试了GRU和transformer两个模型，其中transformer是我直接对着论文《Attention is All you need》 写的，在实现上不完全与目前的主流实现对齐，而且从实验中也可以发现目前的实现上有一定的瑕疵，但考虑到该 项目的目的不是为了训练出一个足够好的翻译模型，而是用seq2seq的方式进行白话文到古文翻译的尝试，以及试用 pytorch-lightning框架，因此不再对该问题进行进一步的排查。
从实验结果来看，transformer的表现是远好于GRU的，并且transformer在encoder和decoder层数增多的情况下， 生成的结果上会更优一样（指标上没有明显变化，仅主观感受）。
该项目最终使用的模型为transformer，hiddin_size和word_embedding都为256，ffn的hidden_size为256*4，encoder和decoder层数都为6，按字对进行tokenize，最终在测试集上的loss为。
从生成效果来看，在输入的描述偏书面语的情况下能有不错的表现，如：
今年三月，我和我的朋友一起出门游玩。
今年三月，与臣友同出游。
而且有时标点符号也能影响生成的语气，如：
就你话多。
即汝多言。
就你话多！
汝何言多！
但一旦表达比较接近现代用语，效果不太尽如人意了，如：
今天一起去吃火锅。
今日共食之。
数据的生成可以通过prepare_data.py调用生成，生成的方式及调用的方式可见scripts/prepare_data.sh
模型训练通过main.py调用生成，调用方式可见scripts/train.sh
训练完成的模型，可以通过调用inferece.py在命令行上做测试，调用方式可见scripts/inference.sh
该项目用flask进行了一个简易的server搭建，运行python -m serve即可开启服务。