【强化学习】使用LSTM模型来预测歌词

目录

问题描述：

解决思路：

1.LSTM算法

2.具体实现

实现步骤

代码展示

完成截图

参考：

---

问题描述：

        选择一位歌手的英文歌曲，以txt文件存储在python文件同级。

参考歌词文件：

Hands-On-Reinforcement-Learning-with-Python/ZaynLyrics.txt at master · PacktPublishing/Hands-On-Reinforcement-Learning-with-Python · GitHub

解决思路：

1.LSTM算法

        LSTM算法建立在RNN算法的基础上。LSTM解决了，RNN算法在训练过程中会出现梯度消失的情况。

        在LSTM单位中，有三种门槛。分别是忘记门槛，输入门槛和输出门槛。数据的更新将是沿着从左到右来进行更新。

其中三种门槛的作用分别是

        a)选择进行更新的是哪种数据

        b)选择哪种数据应该存入到内存中

        c)决定该输出哪种数据

2.具体实现

实现步骤

a)导入数据包和文件读取：

import numpy as np
import tensorflow as tf

with open("ZaynLyrics.txt","r") as f:
    data = f.read()
    data = data.replace('\n','')
    data = data.lower()

# 检验数据是否导入成功
# print(data[:50])

b)然后，将所有字符存储在all_chars变量中:

#store all the charachters in the all_chars variable
all_chars = list(set(data))

c)将唯一字符的数量存储在unique_chars中:

#store the number of unique characters 
unique_chars = len(all_chars)

d)我们还将字符总数存储在total_chars中:

#store the total number of character
total_chars =len(data)

e)建立字符与索引相互之间的映射。如：char_to_ix 代表字符到索引的映射

char_to_ix = {ch:i for i ,ch in enumerate(all_chars)}
ix_to_char = {i:ch for i ,ch in enumerate(all_chars)}

f）接下来，定义一个generate_batch函数，它将生成输入值和目标值。目标值就是i乘以输入值的位移

def generate_batch(s