【Python项目】Python利用神经网络自动生成的“藏头诗”生成器 | 附带源码

该博客介绍了一个使用Python和神经网络自动生成“藏头诗”的项目。作者提供了环境搭建、开发工具和效果展示,并分享了源码获取方式。项目基于57580首唐诗训练数据集,通过pytorch构建模型进行训练。
摘要由CSDN通过智能技术生成

相关文件

关注小编,私信小编领取哟!
当然别忘了一件三连哟~~

公众号:Python日志
可以关注小编公众号,会不定时的发布一下Python小技巧,还有很多资源可以免费领取哟!!
源码领取:加Python学习交流群:773162165 可以领取哟

开发工具

Python版本:3.7.8
相关模块:
pytorch模块;
pyqt5模块;
numpy模块;
pyttsx3模块;
以及一些python自带的模块。

环境搭建

安装Python并添加到环境变量,pip安装需要的相关模块即可。
想用GPU完成模型训练的读者请自行搜索相关的网络教程配置CUDA环境,相关文件中会提供小编训练好的模型,因此你也可以直接下载使用。

效果展示

视频效果

Python基于神经网络自动生成“藏头诗”项目!

图片效果
在这里插入图片描述
在这里插入图片描述

原理简介

这里我们用网上别人整理好的57580首唐诗作为训练数据集,先加载一下数据:

'''创建dataloader'''
def CreateDataloader(tang_resource_path, batch_size=16, num_workers=2):
    poems = np.load(tang_resource_path, allow_pickle=True)
    dataset = poems['data']
    index2word = poems['index2word'].item()
    word2index = poems['word2index'].item()
    dataset = torch.from_numpy(dataset)
    dataloader = torch.utils.data.DataLoader(
        dataset, batch_size=batch_size, shuffle=True, num_workers=num_workers,
    )
    return dataloader, index2word, word2index

然后用pytorch定义一个简单的生成模型:

'''诗歌生成模型'''
class Poem(nn
以下是一个使用神经网络生成一首诗的Python源码示例: ```python import numpy as np import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense # 定义神经网络模型 model = Sequential() model.add(LSTM(128, input_shape=(5, 1))) # 输入数据是5行1列的向量序列 model.add(Dense(256, activation="relu")) model.add(Dense(256, activation="relu")) model.add(Dense(256, activation="relu")) model.add(Dense(1)) # 编译模型 model.compile(loss="mean_squared_error", optimizer="adam") # 准备训练数据 data = ["春", "夏", "秋", "冬", "天"] target = ["花", "草", "叶", "雪", "风"] data = np.array([ord(c) for c in data]) / ord("天") # 将数据转换为0-1的浮点数 target = np.array([ord(c) for c in target]) / ord("风") # 将目标转换为0-1的浮点数 data = np.reshape(data, (1, 5, 1)) # 调整数据形状以适应模型的输入 # 训练模型 model.fit(data, target, epochs=1000, batch_size=1) # 生成一首诗 input_text = np.reshape(data, (5, 1)) # 初始化输入序列 generated_text = "" for _ in range(10): pred = model.predict(np.reshape(input_text, (1, 5, 1))) # 预测下一个字符 next_char = chr(int(pred * ord("风"))) # 将预测结果转换为字符 generated_text += next_char input_text = np.append(input_text[1:], pred) # 更新输入序列 print(generated_text) ``` 这是一个简单的神经网络模型,使用LSTM层作为主要的序列学习器,并添加了几个全连接层来提高模型的表达能力。模型以五个字符的序列作为输入,并尝试预测下一个字符。通过多次训练模型,它可以学习生成一些与输入数据类似的句子。 在示例中,训练数据是几个季节的名称,目标数据是与每个季节相关的词语。在训练过程中,模型通过不断调整权重来尽量减少预测结果与目标之间的差异。训练完成后,我们可以使用模型来生成一首诗。输出结果可能不是完整的句子,但是它能够展示模型学到的语言模式和特征。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值