DL之RNN:人工智能为你写周董歌词——基于TF利用RNN算法实现【机器为你作词】、训练&测试过程全记录

简介: DL之RNN:人工智能为你写周董歌词——基于TF利用RNN算法实现【机器为你作词】、训练&测试过程全记录

输出结果


1、test01


夕海

而我在等待之光

在月前被画面

而我心碎 你的个世纪

你的时间

我在赶过去

我的不是你不会感觉妈妈

我说不要不要说 我会爱你

我不要你不会

我不能不会别人

这样的人们我们不要

我会不要再见

你的时光机

这些爱 不要会会爱你

你也能再不要承诺

我只要这种种多简单

你的我的大人 我不会别以

我的感觉不好我走

你说你已经不能够继续

你说你爱我

你不会再想你

不会怕你 我会不要我

我不想再有一口

我要想你我不要再人

包容 你没有回忆

不要我不会感觉不来

我的不要你没有错觉

不能承受我已无奈单

不能要不要再要我会多爱我

能是我不是我

我要离开

2、test01


我说的你爱我的手

我们不能够沉默

我们的感觉

我们的爱情 我们的不是 一个人

让我们乘着阳光

让你在窗窗外面

我一路向北

一直在秋天

你的世界 是我心中不来

你的我爱你 我们

你的爱我 让我给你的美 

我知道这里说你不是我的人爱

这样不会停留我的伤的

我说不要再要 我要一种悲哀

不是你的我不想我不能说说

没有你烦恼

我只能听过

我说我会不要你的爱

你说你不想听你

我不会感动的天  你要的话

我不要我的爱我

我知道这个世人不会感开了我

你我在等待

不会怕我的感觉你说我在我的手 一定有人都没不错

不要问你不要要的人

我想你我不要再知事

我也能不会再想

但我有人爱你的我爱

你说我说一点走

让我们在半边 的照跳我没有

我说的感觉 我会想你  不要我的微笑就想多快乐

我不会再要我想不得

这么多小丑你要想走

我只是你的感觉

3、test01




模型监控






训练、测试过程全记录


1、训练过程


2018-10-13 21:25:28.646563:

step: 10/10000...  loss: 6.4094...  0.2286 sec/batch

step: 20/10000...  loss: 6.1287...  0.2296 sec/batch

step: 30/10000...  loss: 6.1107...  0.2211 sec/batch

step: 40/10000...  loss: 5.8126...  0.2467 sec/batch

step: 50/10000...  loss: 5.6969...  0.2366 sec/batch

step: 60/10000...  loss: 5.6081...  0.2406 sec/batch

step: 70/10000...  loss: 5.7305...  0.2411 sec/batch

step: 80/10000...  loss: 5.6465...  0.2441 sec/batch

step: 90/10000...  loss: 5.4519...  0.2381 sec/batch

step: 100/10000...  loss: 5.4479...  0.2271 sec/batch

step: 110/10000...  loss: 5.4051...  0.2236 sec/batch

step: 120/10000...  loss: 5.5111...  0.2226 sec/batch

step: 130/10000...  loss: 5.4023...  0.2311 sec/batch

step: 140/10000...  loss: 5.3445...  0.2266 sec/batch

step: 150/10000...  loss: 5.5066...  0.2326 sec/batch

step: 160/10000...  loss: 5.3925...  0.2376 sec/batch

step: 170/10000...  loss: 5.4850...  0.2326 sec/batch

step: 180/10000...  loss: 5.3654...  0.2206 sec/batch

step: 190/10000...  loss: 5.4041...  0.2421 sec/batch

step: 200/10000...  loss: 5.3814...  0.2181 sec/batch

……

step: 6800/10000...  loss: 3.0295...  0.2416 sec/batch

step: 6810/10000...  loss: 3.0675...  0.2747 sec/batch

step: 6820/10000...  loss: 3.0043...  0.2667 sec/batch

step: 6830/10000...  loss: 3.0258...  0.2276 sec/batch

step: 6840/10000...  loss: 2.8450...  0.2888 sec/batch

step: 6850/10000...  loss: 3.0091...  0.2797 sec/batch

step: 6860/10000...  loss: 3.1547...  0.2888 sec/batch

step: 6870/10000...  loss: 3.1725...  0.3108 sec/batch

step: 6880/10000...  loss: 2.8332...  0.2236 sec/batch

step: 6890/10000...  loss: 2.9765...  0.2186 sec/batch

step: 6900/10000...  loss: 3.0040...  0.2306 sec/batch

step: 6910/10000...  loss: 3.2340...  0.2136 sec/batch

step: 6920/10000...  loss: 2.8041...  0.2988 sec/batch

step: 6930/10000...  loss: 2.9514...  0.2216 sec/batch

step: 6940/10000...  loss: 3.1620...  0.2236 sec/batch

step: 6950/10000...  loss: 3.0633...  0.2136 sec/batch

step: 6960/10000...  loss: 2.8951...  0.2667 sec/batch

step: 6970/10000...  loss: 3.0201...  0.2206 sec/batch

step: 6980/10000...  loss: 3.0102...  0.2737 sec/batch

step: 6990/10000...  loss: 2.9885...  0.2527 sec/batch

step: 7000/10000...  loss: 3.1201...  0.2477 sec/batch

……

step: 8300/10000...  loss: 2.8474...  0.2296 sec/batch

step: 8310/10000...  loss: 2.8842...  0.2386 sec/batch

step: 8320/10000...  loss: 3.0446...  0.2246 sec/batch

step: 8330/10000...  loss: 3.0165...  0.2537 sec/batch

step: 8340/10000...  loss: 3.1366...  0.2266 sec/batch

step: 8350/10000...  loss: 2.9173...  0.3058 sec/batch

step: 8360/10000...  loss: 2.8468...  0.2356 sec/batch

step: 8370/10000...  loss: 3.0512...  0.2406 sec/batch

step: 8380/10000...  loss: 2.7532...  0.2286 sec/batch

step: 8390/10000...  loss: 3.0108...  0.2136 sec/batch

step: 8400/10000...  loss: 3.0818...  0.2787 sec/batch

step: 8410/10000...  loss: 2.9988...  0.2406 sec/batch

step: 8420/10000...  loss: 2.7640...  0.3449 sec/batch

step: 8430/10000...  loss: 3.0735...  0.2356 sec/batch

step: 8440/10000...  loss: 2.9183...  0.3610 sec/batch

step: 8450/10000...  loss: 2.9278...  0.3168 sec/batch

step: 8460/10000...  loss: 3.1321...  0.3660 sec/batch

step: 8470/10000...  loss: 2.9080...  0.2547 sec/batch

step: 8480/10000...  loss: 2.7861...  0.3108 sec/batch

step: 8490/10000...  loss: 3.0054...  0.2878 sec/batch

step: 8500/10000...  loss: 2.9389...  0.2366 sec/batch

……

step: 9800/10000...  loss: 2.8674...  0.3930 sec/batch

step: 9810/10000...  loss: 2.8695...  0.2136 sec/batch

step: 9820/10000...  loss: 2.8561...  0.2356 sec/batch

step: 9830/10000...  loss: 2.8824...  0.2186 sec/batch

step: 9840/10000...  loss: 2.8722...  0.2386 sec/batch

step: 9850/10000...  loss: 2.7315...  0.2116 sec/batch

step: 9860/10000...  loss: 2.8568...  0.2507 sec/batch

step: 9870/10000...  loss: 2.9153...  0.2216 sec/batch

step: 9880/10000...  loss: 2.9715...  0.2296 sec/batch

step: 9890/10000...  loss: 2.6941...  0.2256 sec/batch

step: 9900/10000...  loss: 2.7294...  0.3038 sec/batch

step: 9910/10000...  loss: 2.8968...  0.2376 sec/batch

step: 9920/10000...  loss: 2.9734...  0.2426 sec/batch

step: 9930/10000...  loss: 2.6401...  0.2276 sec/batch

step: 9940/10000...  loss: 2.8176...  0.2767 sec/batch

step: 9950/10000...  loss: 2.9532...  0.3429 sec/batch

step: 9960/10000...  loss: 2.9369...  0.2166 sec/batch

step: 9970/10000...  loss: 2.7590...  0.2206 sec/batch

step: 9980/10000...  loss: 2.8109...  0.2446 sec/batch

step: 9990/10000...  loss: 2.8011...  0.3038 sec/batch

step: 10000/10000...  loss: 2.8250...  0.3660 sec/batch




训练的数据集


1、训练的数据集为很多歌词


夜的第七章

打字机继续推向接近事实的那下一行

石楠烟斗的雾

飘向枯萎的树

沉默地对我哭诉

贝克街旁的圆形广场

盔甲骑士背上

鸢尾花的徽章 微亮

无人马车声响

深夜的拜访

邪恶在 维多利亚的月光下

血色的开场

消失的手枪

焦黑的手杖

融化的蜡像谁不在场

珠宝箱上 符号的假象

矛盾通往 他堆砌的死巷

证据被完美埋葬

那嘲弄苏格兰警场 的嘴角上扬

如果邪恶 是华丽残酷的乐章

它的终场 我会亲手写上

晨曦的光 风干最后一行忧伤

黑色的墨 染上安详

事实只能穿向

没有脚印的土壤

突兀的细微花香

刻意显眼的服装

每个人为不同的理由戴着面具说谎

动机也只有一种名字 那 叫做欲望

fafade~~fade~~fafa~

dedefa~~fade~~fafa~~

越过人性的沼泽

谁真的可以不被弄脏

我们可以 遗忘 原谅 但必须 知道真相

被移动过的铁床 那最后一块图终于拼上

我听见脚步声 预料的软皮鞋跟

他推开门 晚风晃了 煤油灯 一阵

打字机停在凶手的名称我转身

西敏寺的夜空 开始沸腾

在胸口绽放 艳丽的 死亡

我品尝着最后一口甜美的 真相

微笑回想正义只是安静的伸张

提琴在泰晤士

如果邪恶 是华丽残酷的乐章

它的终场 我会亲手写上

黑色的墨 染上安详

如果邪恶

是华丽残酷的乐章

它的终场 我会亲手写上

晨曦的光

风干最后一行忧伤

黑色的墨染上安详

黑色的墨染上安详

小朋友 你是否有很多问号

为什么 别人在那看漫画

我却在学画画 对着钢琴说话

别人在玩游戏 我却靠在墙壁背我的ABC

我说我要一台大大的飞机

但却得到一只旧旧录音机

为什么要听妈妈的话

长大后你就会开始懂了这段话 哼

长大后我开始明白

为什么我 跑得比别人快

飞得比别人高

将来大家看的都是我画的漫画

大家唱的都是 我写的歌

妈妈的辛苦 不让你看见

温暖的食谱在她心里面

有空就多多握握她的手

把手牵着一起梦游

听妈妈的话 别让她受伤

想快快长大 才能保护她

美丽的白发 幸福中发芽

天使的魔法 温暖中慈祥

在你的未来 音乐是你的王牌

拿王牌谈个恋爱

而我不想把你教坏

还是听妈妈的话吧

晚点再恋爱吧

我知道你未来的路

但妈比我更清楚

你会开始学其他同学

在书包写东写西

但我建议最好写妈妈

我会用功读书

用功读书 怎么会从我嘴巴说出

不想你输 所以要叫你用功读书

妈妈织给你的毛衣 你要好好的收着

因为母亲节到的时候我要告诉她我还留着

对了!我会遇到了周润发

所以你可以跟同学炫耀

赌神未来是你爸爸

我找不到 童年写的情书

你写完不要送人

因为过两天你会在操场上捡到

你会开始喜欢上流行歌

因为张学友开始准备唱《吻别》

听妈妈的话 别让她受伤

想快快长大 才能保护她

美丽的白发 幸福中发芽

天使的魔法 温暖中慈祥

听妈妈的话 别让她受伤

想快快长大 才能保护她

长大后我开始明白

为什么我 跑得比别人快

飞得比别人高

将来大家看的都是我画的漫画

大家唱的都是 我写的歌

妈妈的辛苦 不让你看见

温暖的食谱在她心里面

有空就多多握握她的手

把手牵着一起梦游

听妈妈的话 别让她受伤

想快快长大 才能保护她

美丽的白发 幸福中发芽

天使的魔法 温暖中慈祥

 


相关文章
|
存储 算法 调度
基于和声搜索优化算法的机器工作调度matlab仿真,输出甘特图
本程序基于和声搜索优化算法(Harmony Search, HS),实现机器工作调度的MATLAB仿真,输出甘特图展示调度结果。算法通过模拟音乐家即兴演奏寻找最佳和声的过程,优化任务在不同机器上的执行顺序,以最小化完成时间和最大化资源利用率为目标。程序适用于MATLAB 2022A版本,运行后无水印。核心参数包括和声记忆大小(HMS)等,适应度函数用于建模优化目标。附带完整代码与运行结果展示。
402 24
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1640 55
|
数据采集 人工智能 监控
人工智能驱动的软件工程:测试左移的崛起价值
本文探讨了人工智能驱动下测试左移理念在软件工程中的重要性,分析测试工程师在需求评估、AI代码生成及遗留系统优化中的关键作用,揭示AI带来的挑战与机遇,并指出测试工程师需提升技能、关注合规与可维护性,以在AI时代保障软件质量。
694 89
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
827 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
956 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
机器学习/深度学习 数据采集 人工智能
量子计算:人工智能训练的未来加速器
量子计算:人工智能训练的未来加速器
805 41
|
人工智能 安全 测试技术
Burp Suite Professional 2025.3 发布,引入 Burp AI 通过人工智能增强安全测试工作流程
Burp Suite Professional 2025.3 发布,引入 Burp AI 通过人工智能增强安全测试工作流程
1205 0
Burp Suite Professional 2025.3 发布,引入 Burp AI 通过人工智能增强安全测试工作流程
|
人工智能 JSON 算法
魔搭支持在阿里云人工智能平台PAI上进行模型训练、部署了!
现在,魔搭上的众多模型支持在阿里云人工智能平台PAI-Model Gallery上使用阿里云算力资源进行模型训练和部署啦!
1272 22
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
743 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络