基于LSTM网络的文本生成

最新推荐文章于 2024-07-13 10:55:59 发布

pyswt

最新推荐文章于 2024-07-13 10:55:59 发布

阅读量895

点赞数

分类专栏：深度学习文章标签： python LSTM 文本生成

本文链接：https://blog.csdn.net/python3_i_know/article/details/103305595

版权

该博客介绍了如何利用LSTM网络进行文本生成。首先，文章读取整个文本作为输入数据，然后通过调整softmax的温度参数来控制生成过程的随机性。接着，文章详细阐述了文本生成的循环过程，包括从原文本中选择一个60字符的子串，使用one-hot编码进行训练，并预测下一个字符，不断循环生成新的文本。不同温度值会产生不同的生成结果。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import numpy as np
import os

#使用cpu进行运算，注释掉使用gpu运算
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"


# 读取文件，所有文本读成一个字符串，总长度为600893
path = tf.keras.utils.get_file('nietzsche.txt',origin='https://s3.amazonaws.com/text-datasets/nietzsche.txt')
text = open(path).read().lower()
print('Cropus length',len(text))

首先读取数据，这个数据是一篇文章，包含的所有字符全部读取成一个字符串。
这里有个cpu个gpu切换的两行代码，注释掉这两行使使用gpu环境，这是首先安装gpu版的tensorflow。

# 采样过程，一个句子长度为60，隔3步取60长度为60的样本，总样本量为200278，
# 一个样本长度为60
maxlen = 60   
step = 3
sentences = []
next_chars = []
for i in range(0, len(text) - maxlen, step):
    sentences.append(text[i:i + maxlen])
    next_chars.append(text[i + maxlen