Tensorflow：基于LSTM轻松生成各种古诗

RNN不像传统的神经网络-它们的输出输出是固定的，而RNN允许我们输入输出向量序列。RNN是为了对序列数据进行建模而产生的。

样本序列性：样本间存在顺序关系，每个样本和它之前的样本存在关联。比如说，在文本中，一个词和它前面的词是有关联的；在气象数据中，一天的气温和前几天的气温是有关联的。

例如本帖要使用RNN生成古诗，你给它输入一堆古诗词，它会学着生成和前面相关联的字词。如果你给它输入一堆姓名，它会学着生成姓名；给它输入一堆古典乐/歌词，它会学着生成古典乐/歌词，甚至可以给它输入源代码。

关于RNN：

• TensorFlow练习3: RNN, Recurrent Neural Networks

• http://karpathy.github.io/2015/05/21/rnn-effectiveness/

本帖代码移植自char-rnn，https://github.com/karpathy/char-rnn

它是基于Torch的洋文模型，稍加修改即可应用于中文。char-rnn使用文本文件做为输入、训练RNN模型，然后使用它生成和训练数据类似的文本。

使用的数据集：全唐诗(43030首)：

本文代码在公众号 datadw 里 回复 古诗  即可获取。

模型生成

首先我们要训练好模型。这里采用的是2层的LSTM框架，每层有128个隐藏层节点，batch_size设为64。训练数据来源于全唐诗（可在上面百度云资源分享当中找到）。特别注意到的一点是这里每训练完一次就对训练数据做shuffle。 
源代码如下：

使用该代码会将训练好的模型参数保存在 “model” 文件夹下。经过100个epoch之后，平均loss会降到2.6左右。训练好的模型在公众号 datadw 里 回复 古诗  即可获取。

生成古诗

使用训练好的模型可以轻松生成各种古诗。 
下面就是几个例子：

生成藏头诗

上代码：

最后从函数接口可以看到，除了可以自己定义诗的头外，还可以定义是五言绝句还是七言绝句。 
来看几个五言绝句的例子：

再来看几个七言绝句的例子：

那么是不是可以用它来写情诗呢？ 
当然可以啦！

转载。原文：http://blog.csdn.net/meyh0x5vDTk48P2/article/details/78987402