文本生成(字符级)

1. LSTM 简介

 各个神经元计算公式：

各层格式：

1. input层：                     (batch_size, sequence_length, number_features)

2. output层：                  (batch_size, sequence_length, hidden_size)

3. Linear层(全连接层)：  (batch_size, n_hidden)

参数含义：

    batch_size： 每批多少个序列；

    sequence_length： 序列长度(步长)；

    number_features： 特征个数；

    hidden_size： 隐藏层节点个数，n_hidden亦是。

2. 文本预测

本质上是分类问题

3. 数据加载

1. 获得字符表

          这里共计83个，具体方法：将文本文件按字符去重，转换为arr。

def get_vocab():
    with open('../data/anna.txt') as f:
        text = f.read()

    vocab = np.array(sorted(set(text)))
    vocab_size = len(vocab)
    print(vocab_size)
    return vocab

2. 获得验证集测试集

def get_train_val_data_set():
    with open('../data/anna.txt') as f:
        text = f.read()

    # 设置验证集占比20%
    val_len = int(np.floor(len(text) * 0.2))
    train_set = np.array(list(text[:-val_len]))
    val_set = np.array(list(text[-val_len:]))
    return train_set, val_set