头次写诗~！

最新推荐文章于 2024-11-08 18:01:59 发布

原创最新推荐文章于 2024-11-08 18:01:59 发布 · 942 阅读

0 ·

CC 4.0 BY-SA版权

随笔（亿森）同时被 2 个专栏收录

34 篇文章

订阅专栏

快乐人生!

4 篇文章

订阅专栏

无题

那一天我紧紧地抱着你，
那一天我深深地W了你，
那一天我慢慢地CM了你，
那一天我呆呆地看到流泪的你，

让我幸福，
让我甜蜜，
让我心旌动荡，
让我难受，我也流了YL，

甜甜的微笑，
姗姗的施礼，
慢慢地咀嚼，
酣酣地入睡，

美丽，
大方，
可爱，
自然，

回想无边，
回味无穷，
生命有你而美丽，
生命因你而富有，

你是鱼，
我是水，
你活在我的心里，
我因你而动，

我是棕色咖啡，
你是白水，
我加入到你的心里，
你因我而棕，

我是雄鹰，
你是天空，
我翱翔在你的心里，
你支起五彩半边天为我鼓劲，

你是手心，
我是手背，
你聚到一起使劲，
我在外面护着你，

生命中定有坎坷，
我们共同面对，
生命因我们上进定有甜美，
我们共同去享有，

不求海枯，
但求永远，
真诚以对，
真爱一生，

把握现在，
相信未来，
未来美好，
美好未来。

2006.4.10

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

fgdlxg

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

python程序写诗_用Python光速为你写诗

weixin_39610964的博客

11-26

2330

宋无涯出同唐暗水才阳楼粒甫关尽头心雨上人‘公众号：我将在南极找寻你后台回复“写诗”即可获取源码和用到的文本文件。今天咱们的主题是教写诗，不过不是我们写，而是教计算机写，想写几首写几首，先来看一下效果本次利用python来实现自动写诗，需要安装“jieba”库，直接‘pip install jieba’就可以啦第一步. 下载训练文本这一步大家都会，从网上下载古诗素材即可，我下载了一个文本文件，将其命...

python写诗代码_pyTorch实现AI写诗：开放源码

weixin_29582919的博客

01-29

2645

前言这几天主要在熟悉pyTorch，俗话说：“人生苦短，我用pyTorch”，在从TensorFlow转到pytorch之后，除了“爽”以外，我实在找不到其他形容词，简洁的语法，明了的封装，加上大大降低的debug难度，我从此入了pyTorch的坑。为了熟悉pyTorch，我最近做了几个小项目，今天分享给大家的是一个非常有趣的项目——AI写诗。该项目参考了《pytorch入门与实践》的教程。Git...

参与评论您还未登录，请先登录后发表或查看评论

当一回诗人，基于TF写古诗

行走的IT

11-14

812

前言在腾讯的开发者实验室学习以后，记录一下使用步骤，采用TensoFlow的算法构建两层的 RNN，采用 4 万多首唐诗作为训练数据，实现可以写古诗的 AI ，为你自己写一首古诗吧。步骤 prepare_data.py - 古诗清洗、过滤较长或较短古诗、过滤即非五言也非七言古诗、为每个字生成唯一的数字ID、每首古诗用数字ID表示； prepare_model.py - 两层RNN网络模型，采用LS

用指针写藏头诗c语言,智能藏头诗小程序：小程序可以自动写诗啦！为“Ta”写首诗表白~...

weixin_34000790的博客

05-19

2114

2月4日立春节气，“体坛诗人”张继科十分应景的赋诗一首：春归大地万复苏，嫩芽翘壳待破土，美景更迭花世开，华夏尽收甜蜜舞。表面看上去是为立春而作，实际内藏玄机，暗含“景甜”二字，浪漫表白。再翻翻张继科的微博，比如2017年12月，张继科给母亲过生日，作藏头诗一首：生有平安又喜乐，时若流水月如梭，快马载福常相伴，乐得今朝尽开颜。可以说一首藏头诗表达自己的情意是再好不过的，如果有些话说不出口，就用这些...

PyTorch示例——使用Transformer写古诗

蒋含竹的博客

04-03

3331

很早、很早以前，在TensorFlow2 学习——RNN生成古诗词_rnn古诗生成头词汇是 “ 日、红、山、夜、湖、海、月。-优快云博客中已使用TensorFlow+RNN的方式实现过写古诗的功能，现在来个的示例😄数据处理逻辑和前面博文中大致相似，本文中就不再赘述Kaggle Notebook地址:PyTorch示例-使用Transformer写古诗x"""词典编码器"""# 补上特殊词标记：开始标记、结束标记、填充字符标记、未知词标记# 词汇表大小。

百度API实现自动写诗

ZHW-鲜橙大AI课题组的博客

05-22

1658

张琪，男，西安工程大学电子信息学院，2022级研究生研究方向：机器视觉与人工智能电子邮件：3126743452@qq.com王泽宇，男，西安工程大学电子信息学院，2022级研究生，张宏伟人工智能课题组研究方向：机器视觉与人工智能电子邮件：2717124491@qq.com。

LSTM-实现写诗机器人

三人行必有我师的博客

08-22

4725

#数据处理 import collections import numpy as np start_token = 'B'#begin end_token = 'E'#end #数据集：总共有34646首诗,1721655个字(6110个去重后的字) def process_poems(file_name): # poems -> list of numbers诗集 p...

基于Python的RNN文本生成写诗系统

毕业作品网站

01-17

2189

填空题：我坐在马路牙子上正抽烟，远处，一个男人掏出烟，熟练的抽出一根叼进嘴里，摸摸了上衣兜，又拍了拍裤兜，他摇了摇头，向我走来，他说：兄弟，_____。',': 0, '光': 1, '几': 2, '前': 3, '床': 4, '时': 5, '明': 6, '月': 7, '有': 8。比如数字识别0~9，我有500个神经元参与判断，但是最终输出结果就是10个通道(0,1,2,3,4,5,6,7,8,9)。填空题：我抽烟，男人掏出烟，叼进嘴里，他摇了摇头，他说：兄弟，_____。文字是有情感关系的。

python智能写诗的程序,Tensorflow Series 1: 使用LSTM实现古诗人工智能作诗

weixin_42299679的博客

03-26

1021

时隔多年终于实现了这个牛逼的作诗机器人。大家可以看看效果图感受一下本文由清华大学较为牛逼的研究生金天同学原创，欢迎转载，但是请保留这段版权信息，如果你对文章有任何疑问，欢迎微信联系我：jintianiloveu。牛逼大神一一为你解答！Screen Shot 2017-03-09 at 3.37.11 PM.png它已经不仅仅能够作古诗，还能模仿周杰伦创作歌词！！这是2017-03-9更新的功能，模...

精选资源

基于Python的RNN文本生成写诗系统.zip

06-20

床前明月光疑是地上霜举头望明月低头思故乡渌水明秋月南湖采白蘋荷花娇欲语 …… 这只是一小部分，总共大约70000句左右，都存在一个txt文档里。训练总共分为3步：准备数据、构建模型、训练并保存。详细介绍...

transformer模型写诗词

11-08

1318

Transformer模型的创新性应用：项目使用了基于GPT原理的Transformer模型，专门用于古诗词生成。与传统RNN或LSTM相比，Transformer通过自注意力机制能够更加精准地捕捉长距离的依赖关系，使得在处理具有严格格式要求的古诗词时，能更好地理解上下文的语义和结构要求，尤其是在处理平仄与押韵问题时表现尤为突出。针对古诗词特点的定制化训练。

python程序写诗_pytorch下使用LSTM神经网络写诗实例

weixin_39634900的博客

11-26

506

在pytorch下，以数万首唐诗为素材，训练双层LSTM神经网络，使其能够以唐诗的方式写诗。代码结构分为四部分，分别为1.model.py，定义了双层LSTM模型2.data.py，定义了从网上得到的唐诗数据的处理方法3.utlis.py 定义了损失可视化的函数4.main.py定义了模型参数，以及训练、唐诗生成函数。参考：电子工业出版社的《深度学习框架PyTorch：入门与实践》第九章main代...

看完了穆斯林葬礼！

东光——美丽人生

05-05

2038

今天看完了霍达先生的穆斯林的葬礼。我一开始就知道结局会悲些，因为书名穆斯林的葬礼说是“葬礼”了，那结局一定是主人公的死亡。我是心特软的人，看到感人的地方，自己都不自觉地流泪，自己心里想这不是现实的人，但我还要为情节所感染，所以我通常看些戏剧或激励人生的文章，但我开始读这一著作时一开始就被这里美丽而又流畅的语言所吸引，于是我坚持把这一霍达的著作读完。书中讲述的是三代人的生

今天在避风塘玩

东光——美丽人生

04-25

1603

昨天王洋从深圳回来了,今天晚上我们在天盛吃完饭来避风塘来完.我们玩的很尽兴.我喝了很多,我本来挺能喝的.呵呵我们玩了桌球,挺好玩!以前我没有这样玩过.我记得我第一次包宿还是在我大一的时候,张广龙来我着,那时侯我学会了如何上网,那也是第一次接触网络!今天玩通宵是我第二次,我发现我有很多没有大胆的玩过,以前太拘束了!我得慢慢的改变自己,是自己适应很多很有兴趣的生活,学会放松!人生活在世上要做着自己

昨天晚上余世维的讲座

东光——美丽人生

05-20

1324

昨天晚上我去听了余世维的讲座，去的人很多，前后拥挤，不亚于寒假回家挤火车的情景，可能大家都抱有很强的求知欲望的缘故吧，还好我去的早，排在了队伍的中间，当校礼堂的门打开后，我在后面的同学拥挤下飘然进了进去。到里面我发现了一个空座，我坐了下去。余世维先生是国际名人，在商场上有丰富的实际经商和经营管理经验。看上他中等身材，精神矍铄，语言表达通畅流利，顺嘴就能说出很多心中所想的很多东西，从中可以看出他

今天看完“玉观音”了

东光——美丽人生

05-13

1172

第一次看海岩的小说，感觉还行，整个小说的情节发展还是挺曲折的，看完一部分，还想看下一部分，总勾起我的悬念。是写的关于公安的作品，主人公都是具有青春活力的年轻人。他们表现青春的清纯、浪漫、率真，为爱情去承受痛苦而忠贞不渝。安心一个清纯的女孩，由于一开始错误的恋情，引出她众多的悲剧，但她是在生活上豁达、乐观、积极向上的，她的不足就是她太爱动感情，但经历了太多的磨难后，她放弃了她的爱情。但我喜欢她具

好些天没写东东了

东光——美丽人生

07-07

1077

最近有些想法，试着做了些，但还是行不同，郁闷! 主要是要解决的问题太多了，虽然还有耐心，但我有些有心无力，进展也不好，有时候又突然说自己是不是很笨。我有时真那么怀疑自己，但我还不能放弃，我必须要努力走下去。前天小光她们公司给我打了电话，说了她可以8月初或中旬报到。我想了一下，那我15号回家，16号到家在家待7天，然后24号返回，25号到学校。她7月底去公司，8月初报到。我想我必须在暑假

时间过得好快！

东光——美丽人生

09-03

967

九月份又到了，时间过得好快!好长时间没有写些什么了！我唯一感觉的旧时间过得很快！我还有很多事情没有做！我的努力了！

tensorflow训练写诗

最新发布

06-21

<think>我们正在处理一个关于使用TensorFlow进行诗歌生成训练模型的请求。用户要求提供示例代码。根据用户提供的引用，我们可以参考引用[2]中的GRU模型结构，以及引用[3]中提到的GPT-2模型实现。但是用户明确要求的是诗歌生成，而引用[2]中已经有一个简单的GRU模型用于文本生成（写诗），因此我们可以以此为基础。然而，用户可能需要一个更完整的示例，包括数据预处理、模型构建、训练和生成等步骤。考虑到诗歌生成通常需要处理中文文本，我们还需要注意中文字符的处理。由于引用[2]中的代码只是一个模型定义，我们需要补充其他部分。下面我们将构建一个完整的示例，包括：1.数据预处理：加载诗歌数据集，构建词汇表，将诗歌文本转换为数字序列。2.构建模型：使用GRU或LSTM模型，这里我们参考引用[2]使用GRU。3.训练模型：设置损失函数和优化器，并进行训练。4.文本生成：使用训练好的模型生成诗歌。注意：由于诗歌生成是一个序列生成任务，我们将使用自回归的方式（即用前面的字符预测下一个字符）。步骤详细说明：1.数据预处理：-假设我们有一个诗歌文本文件，每行一首诗。-我们需要将所有的字符映射成数字（构建词汇表），并将每首诗转换成数字序列。-同时，我们需要创建训练样本，即输入序列和对应的目标序列（输入序列的偏移一个字符）。2.模型构建：-使用Embedding层将数字序列转换为密集向量。-使用GRU层（或多个GRU层）处理序列。-使用全连接层输出每个可能字符的概率分布。3.训练：-使用稀疏分类交叉熵损失（因为目标是一个字符索引）。-使用Adam优化器。4.生成：-给定一个起始字符串，模型预测下一个字符，然后将该字符添加到输入中，重复此过程直到生成足够长的文本或遇到结束标记。由于完整代码较长，我们将提供一个简化版本，但确保其可运行（需要用户提供诗歌数据集）。注意：实际应用中可能需要更复杂的模型和更大的数据集才能生成高质量的诗歌。下面我们将提供示例代码，并添加必要的注释。</think>### TensorFlow诗歌生成模型示例以下是使用TensorFlow构建诗歌生成模型的完整代码示例，基于GRU神经网络结构： ```python import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Embedding, GRU, Dense from tensorflow.keras.preprocessing.text import Tokenizer from tensorflow.keras.preprocessing.sequence import pad_sequences import numpy as np import re # 1. 数据预处理 def preprocess_poetry_data(poems): """清洗诗歌数据并创建训练序列""" # 清理特殊字符和多余空格 cleaned_poems = [re.sub(r'[^\w\s]', '', poem).strip() for poem in poems] # 创建标记器 tokenizer = Tokenizer(char_level=True) tokenizer.fit_on_texts(cleaned_poems) total_chars = len(tokenizer.word_index) + 1 # 创建训练序列 input_sequences = [] for poem in cleaned_poems: token_list = tokenizer.texts_to_sequences([poem])[0] for i in range(1, len(token_list)): n_gram_sequence = token_list[:i+1] input_sequences.append(n_gram_sequence) # 填充序列 max_sequence_len = max([len(x) for x in input_sequences]) input_sequences = pad_sequences(input_sequences, maxlen=max_sequence_len, padding='pre') # 创建预测器和目标 X = input_sequences[:, :-1] y = input_sequences[:, -1] y = tf.keras.utils.to_categorical(y, num_classes=total_chars) return X, y, tokenizer, max_sequence_len, total_chars # 2. 构建GRU模型 def create_poetry_model(total_chars, embedding_dim=256, gru_units=1024): """创建诗歌生成模型""" model = Sequential([ Embedding(input_dim=total_chars, output_dim=embedding_dim, input_length=None), GRU(gru_units, return_sequences=True), GRU(gru_units), Dense(total_chars, activation='softmax') ]) model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) return model # 3. 诗歌生成函数 def generate_poem(model, tokenizer, seed_text, num_chars=100, temperature=1.0): """使用训练好的模型生成诗歌""" generated = seed_text max_sequence_len = model.input_shape[1] for _ in range(num_chars): token_list = tokenizer.texts_to_sequences([seed_text])[0] token_list = pad_sequences([token_list], maxlen=max_sequence_len-1, padding='pre') # 预测下一个字符 probs = model.predict(token_list, verbose=0)[0] # 应用温度参数控制生成随机性 probs = np.log(probs) / temperature exp_probs = np.exp(probs) probs = exp_probs / np.sum(exp_probs) # 从概率分布中采样 next_index = np.random.choice(len(probs), p=probs) next_char = tokenizer.index_word.get(next_index, '') seed_text += next_char generated += next_char # 遇到结束符停止 if next_char == '\n' and len(generated) > 20: break return generated # 示例用法 if __name__ == "__main__": # 示例诗歌数据（实际应用中应使用更大数据集） poems = [ "床前明月光，疑是地上霜。举头望明月，低头思故乡。", "春眠不觉晓，处处闻啼鸟。夜来风雨声，花落知多少。", "红豆生南国，春来发几枝。愿君多采撷，此物最相思。" ] # 数据预处理 X, y, tokenizer, max_seq_len, total_chars = preprocess_poetry_data(poems) # 创建并训练模型 model = create_poetry_model(total_chars, embedding_dim=128, gru_units=512) model.fit(X, y, epochs=100, batch_size=32) # 生成诗歌 seed_text = "春风" generated_poem = generate_poem(model, tokenizer, seed_text, num_chars=50) print("\n生成的诗歌:") print(generated_poem) ``` ### 关键步骤说明： 1. **数据预处理**： - 使用字符级标记化（`char_level=True`）处理中文诗歌 - 创建序列数据，每行诗转换为多个训练样本 - 使用`pad_sequences`统一序列长度 2. **模型架构**： - `Embedding`层：将字符索引映射为密集向量 - 双层`GRU`结构：捕捉诗歌的时序特征[^2] - `Dense`输出层：预测下一个字符的概率分布 3. **诗歌生成**： - 使用温度参数(`temperature`)控制生成随机性 - 自回归生成：基于前文预测后续字符 - 遇到换行符时停止，确保诗句完整性 ### 训练建议： 1. **数据准备**：收集至少500首古诗作为训练集 2. **训练参数**： ```python # 建议使用更大的网络和更多训练轮次 model = create_poetry_model(total_chars, embedding_dim=256, gru_units=1024) model.fit(X, y, epochs=300, batch_size=128) ``` 3. **效果优化**： - 增加Attention机制提升长文本生成能力 - 使用预训练词向量初始化Embedding层 - 尝试Transformer架构如GPT-2[^3] ### 生成示例：输入种子文本："明月" 可能输出："明月照高楼，流光正徘徊。玉户帘中卷不去，清辉入夜来。"