精华内容
下载资源
问答
  • 2020-11-26 02:29:09

    实验背景

    周末,早晨下了点小雨,淅淅沥沥,来到阳台坐了一会,看着雨有点发呆,真惬意,真想雨一直这么下着。

    下午雨就停了,太阳紧跟其后,普照万物。好吧,回到现实吧。

    回到正题,人工智能(AI)技术在各应用领域可以说是遍地开发,应用至上。最近看到用神经网络来写诗,今天和大家一起撸一撸,动手实验下。

    实验器材

    ●python

    ● LSTM

    ● tensorflow

    ● 唐诗

    实验内容

    数据获取

    深度学习技术能发挥其作用,最重要的是数据。没有数据再好的算法也没用。本实验要生成诗歌,训练样本为唐诗文本。总共4.3万首。

    首春

    寒随穷律变,春逐鸟声开。

    初风飘带柳,晚雪间花梅。

    碧林青旧竹,绿沼翠新苔。

    芝田初雁去,绮树巧莺来。

    简单原理说明

    自动生成文本可以理解成一个文字接着一个文字,不断连接的一个序列。针对序列数据,循环神经网络RNN是一个有效的建模方法。本实验采用LSTM(长短记忆网络)。

    传统的RNN模型主要用连接先前的信息到当前的任务上,如下:

    LSTM很好的解决了RNN的长期信息依赖的学习问题。通过forget gate丢弃本单元不需要的信息, 同时根据update gate 结合当前序列输入更新加入信息。然后将更新后的信息和当前信息相结合为输出信息。主要通过sigmoid和tanh来操作。

    详细信息可以访问:http://colah.github.io/posts/2015-08-Understanding-LSTMs/

    生成诗歌

    1.数据处理

    数据中为一行为一首诗,即为一个样本。

    统计每个字出现次数,对字进行编码(按照词频大小)

    关于输入x序列和输出y序列:y为x向前移动一个字。如

    生成batch的数据迭代器,64首诗为一个batch

    2.构建lstm网络

    本实验采用单向的LSTM进行训练。

    构建输入

    这里输入有点特殊,就是增加一个embedding层对输入字符id进行词向量表示:word2vec,来代替ont_hot。

    embedding通常可以采用预训练的参数,或者放在网络过程进行自己训练,本是采用第二种,自己训练。

    构建LSTM

    本实验采用tensorflow实现的LSTM模块。

    一个LSTM模块:

    one_cell = tf.contrib.rnn.BasicLSTMCell(self.rnn_size)//128个神经元

    通常一个LSTM需要包含多层的LSTM cell,即同一个输入x和输出(c和h)之间包含多个LSTM模块,前一个cell的输出为后一个cell的输入。如下:

    multi_cell = tf.contrib.rnn.MultiRNNCell( [one_cell] * self.num_layers, state_is_tuple=True)

    整个网络结构:

    self.initial_state = multi_cell.zero_state(self.batch_size, tf.float32)

    outputs, self.last_state = tf.nn.dynamic_rnn(multi_cell, self.inputs, initial_state=self.initial_state)

    构建softmax层和损失函数和优化器,采用Adam

    训练过程

    本实验训练20000个epoch,损失基本上就收敛了。

    3.生成诗歌

    利用已经训练好的模型,因为是输入是序列。 指定第一字为输入,利用模型输出第二个字,接着将第二个字为输入,利用模型输出第三个字,依此类推,指导输出终止符为止。 一首诗就完成了。

    这里模型的输出为softmax的概率,使用argmax取最大的概率就是预测的字符ID,再转换成字符。

    我们来欣赏下本实验生成的古代诗歌吧。

    芳柳花香翅,花泉暗里船

    宫残风落雾,红粉剧参差

    翠蜡鸡声动,馨香烧巢袪

    帷花侵乳落,唱警蜃芳来

    晓净阴窗峻,秦宫槿藓平

    应羡棋真栖,无将复难那

    秋雨西西路,岧荧在玉清

    哀堪进界缨,紫皓安须争

    举病难倾礼,习来未在禅

    楂舟雪上清,款检在虾瞳

    明日八十贵,传来已学禅

    清鸿问秦水,楚国高陀枝

    送昔晡心惑,全高何一秋

    心闲忙操命,雨复度花传

    暗尽霜光罩,新闲与马分

    仙城衰日远,窗栝初有风

    唯更临水上,提得亦延鼎

    无时西浦上,七尺与行踪

    实验结语

    本实验『WedO实验君』和大家用循环神经网络来实现一个自动生成诗歌的小应用,参考CharRNN。 内在的原理是利用网络来学习训练诗歌中字符出现的概率模型。

    更多相关内容
  • 初中人工智能第三节Python体验代码之“为你写诗”智能诗歌创作,压缩包含有源代码、诗歌记事本、测试运行说明笔记等,可以上传到https://python.jupyter.vip/在线运行,当然本地安装好环境和各种库也可以运行! ...
  • Python光速为你写诗

    2020-11-26 02:29:19
    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...

    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,将其命名为“poem.txt”,其内容如图所示

    第二步. 读取文本数据poem=open("/home/fantasy/Downloads/poems.txt",'r+')

    fr0=poem.read()

    在Python终端键入“fr0”,效果如图则表示已经读入

    第三步. 文本处理

    由于文本中包含书名号和问号和换行符等不需要的字符,所以需要将它们删掉(替换为空)

    首先去掉书名号和问号:

    fr1=re.sub('《.*?》','',fr0)

    fr2=re.sub('.*?(/?).*?','',fr1)

    然后进行分词:

    words=jieba.cut(fr2)

    c=','.join(words)

    cc=c.split(',')

    接下来去掉其它我们不需要的特殊字符串:

    word=[]

    for i in cc:

    if i=='?':

    del i

    elif i=='。':

    del i

    elif i==' ':

    del i

    elif i==',':

    del i

    elif i=='\n':

    del i

    elif i=='\u3000':

    del i

    else:

    word.append(i)

    到现在为止,文本文件变成了如下图所示的样子

    第四步. 拆词成字

    将所有的词拆开,提取出所有的汉字存入w列表中:

    w=[]

    for i in range(len(word)):

    for j in word[i]:

    w.append(j)

    第五步. 开始写诗啦

    定义一个写诗的函数,命名为“writepoem”:

    def writepoem():

    poe=[]

    for lensen in range(4):

    x=random.sample(w,5)

    one=''.join(x)

    poe.append(one)

    poe=','.join(poe)

    return poe

    第六步. 调用写诗函数进行创作

    def itemsnum():

    N=input('想写几首呢,告诉我吧:')

    for i in range(1,int(N)+1):

    print('~~~~~~~第',i,'首~~~~~~~~')

    print(writepoem())

    print('~~~~~最后一首了呢~~~~~~')

    以上便完成了机器写诗的全部步骤,现在我们来运行一下

    运行程序,在IDLE调用itemsnum函数写3首诗:

    是不是很有意思呢,嘿嘿。

    不过目前的程序还比较笨,不会押韵,下次可以考虑把相同韵脚的字放在一起,把意象相同的词放在一起,从而使诗句更有韵味。

    最后附上完整代码,大家也可以在公众号后台回复“写诗”获取源码和文本文件

    """

    运行本脚本,在你的IDE终端输入“itemsnum()”

    来调用写诗函数进行创作

    """

    print(__doc__)

    #导入用到的库

    import re #正则匹配

    import jieba #分词

    import random #随机选取

    #读取文本文件

    poem=open("/home/fantasy/Downloads/poems.txt",'r+') #这是我的文件路径,你在使用时需要改动此项为你的路径fr0=poem.read().strip()#去掉书名号和?fr1=re.sub('《.*?》','',fr0)

    fr2=re.sub('.*?(/?).*?','',fr1)

    #分词

    words=jieba.cut(fr2)

    c=','.join(words)

    cc=c.split(',')

    #去深度删除特殊字符串,代码写的有些鸡肋,大佬莫喷哈

    word=[]for i in cc:

    if i=='?':

    del i

    elif i=='。':

    del i

    elif i==' ':

    del i

    elif i==',':

    del i

    elif i=='\n':

    del i

    elif i=='\u3000':

    del i

    else:

    word.append(i)

    #拆词为字

    w=[]

    for i in range(len(word)):

    for j in word[i]:

    w.append(j)

    #开始写诗

    def writepoem():

    poe=[]

    for lensen in range(4):

    x=random.sample(w,5)

    one=''.join(x)

    poe.append(one)

    poe=','.join(poe)

    return poe

    #调用写诗函数

    def itemsnum():

    N=input('想写几首呢,告诉我吧:')

    for i in range(1,int(N)+1):

    print('~~~~~~~~~~~~~~~~~第',i,'首~~~~~~~~~~~~~~~~~~')

    print(writepoem())

    print('~~~~~~~~~~~~~~~~~最后一首了呢~~~~~~~~~~~~~~~~~~')

    展开全文
  • 为你写诗(LSTM 诗歌生成器)

    万次阅读 2018-11-07 21:31:36
    为你写诗,为你静止 ,为你做不可能的事。 为你写诗,你这不是为难我们直男直女的程序员们嘛。 虽然我写不出诗,但不代表我不能训练一个网络为你写诗,想要多少写多少! 所以今天的主题就是如何训练一个能自动写...

    为你写诗,为你静止 ,为你做不可能的事。

    为你写诗,你这不是为难我们直男直女的程序员们嘛。

    虽然我写不出诗,但不代表我不能训练一个网络为你写诗,想要多少写多少!

    所以今天的主题就是如何训练一个能自动写诗的LSTM模型。

    废话不多说,代码如下:

    爱情是一种怪事
    我开始全身不受控制
    爱情是一种本事
    我开始连自己都不是
    为你我做了太多的傻事
    第一件就是为你写诗
    为你写诗为你静止
    为你做不可能的事
    为你我学会弹琴写词
    为你失去理智
    为你写诗为你静止
    为你做不可能的事
    为你弹奏所有情歌的句子
    我忘了说最美的是你的名字

    呃呃呃好像不小心贴错代码了,重来:

    
    # coding: utf-8
    
    # In[1]:
    
    
    import re
    import random
    import pandas as pd
    import numpy as np
    from keras.preprocessing import sequence
    from keras.optimizers import SGD, RMSprop, Adagrad
    from keras.utils import np_utils
    from keras.models import Sequential
    from keras.layers.core import Dense, Dropout, Activation
    from keras.layers.embeddings import Embedding
    from keras.layers.recurrent import LSTM, GRU
    
    
    # In[2]:
    
    
    # 读取数据, 生成汉字列表
    
    with open('poetry.txt','r', encoding='UTF-8') as f:
        raw_text = f.read()
    lines = raw_text.split("\n")[:-1]
    poem_text = [i.split(':')[1] for i in lines]
    char_list = [re.findall('[\x80-\xff]{3}|[\w\W]', s) for s in poem_text]
    
    
    # In[3]:
    
    
    # 汉字 <-> 数字 映射
    
    all_words = []
    for i in char_list:
        all_words.extend(i)
    word_dataframe = pd.DataFrame(pd.Series(all_words).value_counts())
    word_dataframe['id'] = list(range(1,len(word_dataframe)+1))
    
    word_index_dict = word_dataframe['id'].to_dict()
    index_dict = {}
    for k in word_index_dict:
        index_dict.update({word_index_dict[k]:k})
        
    len(all_words), len(word_dataframe), len(index_dict)
    
    
    # In[4]:
    
    
    # 生成训练数据, x 为 前两个汉字, y 为 接下来的汉字 
    # 如: 明月几时有 会被整理成下面三条数据
    # 明月 -> 几  月几 -> 时  几时 -> 有
    
    seq_len = 2
    dataX = []
    dataY = []
    for i in range(0, len(all_words) - seq_len, 1):
        seq_in = all_words[i : i + seq_len]
        seq_out = all_words[i + seq_len]
        dataX.append([word_index_dict[x] for x in seq_in])
        dataY.append(word_index_dict[seq_out])
    
    len(dataY)
    
    
    # In[5]:
    
    
    X = np.array(dataX)
    y = np_utils.to_categorical(np.array(dataY))
    X.shape, y.shape
    
    
    # In[6]:
    
    
    model = Sequential()
    
    # Embedding 层将正整数(下标)转换为具有固定大小的向量,如[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]
    # Embedding 层只能作为模型的第一层
    # input_dim:大或等于0的整数,字典长度
    # output_dim:大于0的整数,代表全连接嵌入的维度
    model.add(Embedding(len(word_dataframe), 512))
    
    # LSTM
    model.add(LSTM(512))
    
    # Dropout 防止过拟合
    model.add(Dropout(0.5))
    
    # output 为 y 的维度
    model.add(Dense(y.shape[1]))
    
    model.add(Activation('softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam')
    
    model.summary()
    
    
    # In[7]:
    
    
    # 训练
    
    model.fit(X, y, batch_size=64, epochs=40)
    
    
    # In[8]:
    
    
    def get_predict_array(seed_text):
        chars = re.findall('[\x80-\xff]{3}|[\w\W]', seed_text)
        x = np.array([word_index_dict[k] for k in chars])
        proba = model.predict(x, verbose=0)
        return proba
    
    get_predict_array("明月")
    
    # 可以看到预测出来的结果是两个列表, 下一个字是第二个列表
    
    
    # In[9]:
    
    
    def gen_poetry(model, seed_text, rows=4, cols=5):
        '''
        生成诗词的函数
        输入: 两个汉字, 行数, 每行的字数 (默认为五言绝句)
        '''
        total_cols = cols + 1  # 加上标点符号
        chars = re.findall('[\x80-\xff]{3}|[\w\W]', seed_text)
        if len(chars) != seq_len: # seq_len = 2
            return ""
        arr = [word_index_dict[k] for k in chars]
        for i in range(seq_len, rows * total_cols):
            if (i+1) % total_cols == 0:  # 逗号或句号
                if (i+1) / total_cols == 2 or (i+1) / total_cols == 4:  # 句号的情况
                    arr.append(2)  # 句号在字典中的映射为 2
                else:
                    arr.append(1)  # 逗号在字典中的映射为 1
            else:
                proba = model.predict(np.array(arr[-seq_len:]), verbose=0)
                predicted = np.argsort(proba[1])[-5:]
                index = random.randint(0,len(predicted)-1)  # 在前五个可能结果里随机取, 避免每次都是同样的结果
                new_char = predicted[index]
                while new_char == 1 or new_char == 2:  # 如果是逗号或句号, 应该重新换一个
                    index = random.randint(0,len(predicted)-1)
                    new_char = predicted[index]
                arr.append(new_char)
        poem = [index_dict[i] for i in arr]
        return "".join(poem)
    
    
    # In[10]:
    
    
    print(gen_poetry(model, '明月'))
    print(gen_poetry(model, '悠然', rows=4, cols=7))
    print(gen_poetry(model, '长河', rows=4, cols=7))
    
    
    # In[11]:
    
    
    model.save(filepath='lstm_poetry.hdf5')
    
    
    # In[12]:
    
    
    # 试下 GRU
    
    gru = Sequential()
    gru.add(Embedding(len(word_dataframe), 512))
    gru.add(GRU(512))
    # gru.add(Dropout(0.5))
    gru.add(Dense(y.shape[1]))
    gru.add(Activation('softmax'))
    gru.compile(loss='categorical_crossentropy', optimizer='adam')
    
    
    # In[13]:
    
    
    gru.summary()
    
    
    # In[14]:
    
    
    gru.fit(X, y, batch_size=64, epochs=40)
    
    
    # In[15]:
    
    
    print(gen_poetry(gru, '明月'))
    print(gen_poetry(gru, '悠然', rows=4, cols=7))
    print(gen_poetry(gru, '长河', rows=4, cols=7))
    
    
    # In[16]:
    
    
    gru.save('gru_poetry.hdf5')
    
    

    其中poetry.txt文件里是一些训练用到的诗句数据,代码文件和poetry.txt文件可以从我的github上下载:https://github.com/qq604395564/LSTM-Poetry

    祝大家都能找到可以为她(他)写诗的人!

    展开全文
  • 运行方法:解压后打开写诗神器->exe->写诗神器.exe 在笔者本人电脑上运行通过。 注:在本人的电脑上,因为程序会播放语音并写入文件,会将其识别成病毒,需要自行关闭或调整。 ----------------------------------...
  • Python实现的“为你写诗”,可用于体验学习! 体验流程 1、将诗句保存到同一个目录下的“poem.txt”文件,注意编码是UTF-8 2、运行以下程序:先是读入诗句,生成“poem.vex”,然后你就可以输入关键词得到相关诗句了...

    为你写诗

    Python实现的“为你写诗”,可用于体验学习!

    体验流程

    1、将诗句保存到同一个目录下的“poem.txt”文件,注意编码是UTF-8

    2、运行以下程序:先是读入诗句,生成“poem.vex”,然后你就可以输入关键词得到相关诗句了!

    注意事项

    1、诗句越多,越能作诗;诗句太少,无法作诗!

    2、修改“poem.txt”后,建议删除“poem.vec”后再重新运行程序。

    
    from gensim.models import Word2Vec  # 词向量
    from random import choice
    from os.path import exists
    import warnings
    warnings.filterwarnings('ignore')  # 不打印警告
    
    
    class CONF:
        path = 'poem.txt'
        window = 16  # 滑窗大小
        min_count = 60  # 过滤低频字
        size = 125  # 词向量维度
        topn = 14  # 生成诗词的开放度
        model_path = 'poem.vec'
    
    
    class Model:
        def __init__(self, window, topn, model):
            self.window = window
            self.topn = topn
            self.model = model  # 词向量模型
            self.chr_dict = model.wv.index2word  # 字典
    
        """模型初始化"""
        @classmethod
        def initialize(cls, config):
            if exists(config.model_path):
                # 模型读取
                model = Word2Vec.load(config.model_path)
            else:
                # 语料读取
                with open(config.path, encoding='utf-8') as f:
                    ls_of_ls_of_c = [list(line.strip()) for line in f]
                # 模型训练和保存
                model = Word2Vec(ls_of_ls_of_c, size=config.size,
                                 window=config.window, min_count=config.min_count)
                model.save(config.model_path)
            return cls(config.window, config.topn, model)
    
        """古诗词生成"""
        def poem_generator(self, title, form):
            filter = lambda lst: [t[0] for t in lst if t[0] not in [',', '。']]
            # 标题补全
            if len(title) < 4:
                if not title:
                    title += choice(self.chr_dict)
                for _ in range(4 - len(title)):
                    similar_chr = self.model.similar_by_word(title[-1], self.topn // 2)
                    similar_chr = filter(similar_chr)
                    char = choice([c for c in similar_chr if c not in title])
                    title += char
            # 文本生成
            poem = list(title)
            for i in range(form[0]):
                for _ in range(form[1]):
                    predict_chr = self.model.predict_output_word(
                        poem[-self.window:], max(self.topn, len(poem) + 1))
                    predict_chr = filter(predict_chr)
                    char = choice([c for c in predict_chr if c not in poem[len(title):]])
                    poem.append(char)
                poem.append(',' if i % 2 == 0 else '。')
            length = form[0] * (form[1] + 1)
            return '《%s》' % ''.join(poem[:-length]) + '\n' + ''.join(poem[-length:])
    
    
    def main(config=CONF):
        form = {'五言绝句': (4, 5), '七言绝句': (4, 7), '对联': (2, 9)}
        m = Model.initialize(config)
        while True:
            title = input('输入标题:').strip()
            if title == '':
                break
            try:
                poem = m.poem_generator(title, form['五言绝句'])
                print('\033[031m五言绝句:%s\033[0m' % poem)  # red
                poem = m.poem_generator(title, form['七言绝句'])
                print('\033[033m七言绝句:%s\033[0m' % poem)  # yellow
                poem = m.poem_generator(title, form['对联'])
                print('\033[036m对联:%s\033[0m' % poem)  # purple
                print()
            except:
                print("对不起,我作不出这类诗词!")
                pass
    
    
    if __name__ == '__main__':
        main()
    
    

    为你写诗测试运行效果
    相关开源项目:https://gitee.com/arye/dl/tree/master/NLP/gensim%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90
    在线测试平台:https://python.jupyter.vip/
    体验程序下载:https://download.csdn.net/download/crxis/12424344

    展开全文
  • Python打造一个AI作家为你写诗(附源码)

    万次阅读 多人点赞 2018-03-26 00:00:00
    从短篇故事到长达5万词的小说,机器正以不可思议的方式“把玩”文字。网上已经涌现很多例子,越来越多人让机器创作文字作品。其实,由于自然语言处理(NLP)领域的重大进步,如今...那我们自己能创建这样一个会故事
  • 然后只需要执行上图中的三个步骤就可以快速地将“为你写诗”应用部署到函数计算平台。 函数计算在 AI 场景的优势 最后一部分,我们会通过不同维度与传统架构对比的方式来总结一下函数计算在 AI 场景的优势。 首先...
  • 一、亮出效果 世界上美好的事物很多,当我们想要表达时,总是感觉文化底蕴不够...这篇教程就是让人工智能学习大量的诗句,找到作的规律,然后给他几个关键字,他给一首。 看效果: 输入的关键词 输出的诗句
  • 数据科学家训练好模型以后往往需要找软件工程师把模型变成系统或者服务,通常把这个过程称之 model serving。函数计算无需运维和弹性伸缩的特性,正好符合数据科学家对高可用分布式系统的诉求。本文将介绍把一个 ...
  • 原标题:如何利用深度学习诗歌(使用Python进行文本生成)报 名翻译:李雪冬编辑:李雪冬前 言从短篇小说到5万字的小说,机器不断涌现出前所未有的词汇。在web上有大量的例子可供开发人员使用机器学习来编写文本,...
  • 上面两个字符段是接口的输入,text字数小于 5 个,是春联的...例如:“春节”对应的一个输出{'couplets': {'center': '迎春接福', 'first': '春节迎春新世纪', 'second': '福音报福小康年'}}智能写诗接口智能写...
  • 影视作品是艺术创作,创意最难。现在的综艺节目老被说抄袭,现在的电视剧老是翻拍,现在的电影套个经典歌名...·高晓松创作的大热民谣《同桌的》被拍成了电影,他任编剧。1994年的歌曲,电影2014年上映。九亿少女...
  • python教程:利用python基础知识取出对应诗句》由【张国维博客】于2020年05月09日整理发布!当今科技蓬勃发展的今天,我们学习一门编程语言是很有必要的。随着人工智能行业的兴起,python语言成为当今最热门的一门...
  • 本文 雷锋字幕组 编译的技术博客,原标题To a Poem is a Bott the Stranger,作者 Carly Stambaugh。翻译 | 于泽平 马雪洁 整理 | 凡江 编辑 | ...我想问,我能用代码写诗吗?我可不可以做一个可以写出原创诗歌...
  • python生成古诗藏头诗(简单思路学习)
  • Python程序设计 作业5 送一首集句

    多人点赞 热门讨论 2021-06-18 16:00:56
    利用字典存放每个人对应的诗句和名,用pillow库构建图片。
  • 本文实例大家分享了python实现诗歌游戏的具体代码,供大家参考,具体内容如下具体游戏有:根据上句猜下句、猜作者、猜朝代、猜名等如果有更好玩儿的游戏,不妨自己一下1.首先,先把搜集到的诗歌全部放到一个...
  • 翻看教程几天后,碰巧遇到有朋友在玩唐诗乱搭的游戏,于是我就了一段python程序(对于能否叫程序我一直很怀疑),挑了了很多的混搭诗句,在朋友圈引吐嘈无数。用朋友的话来说,把唐诗给玩坏了!恶搞一下。图片来自:...
  • 作为一名运维工程师,也一直有一个学习开发的想法,值此之际,不知道博客的下一期目标在哪里,在这思考和犹豫的间隙想着学习和充实一下自己,学习一下python语言,python随着大数据和人工智能的兴起而日益火爆。...
  • Python进行诗歌接龙

    千次阅读 2019-02-22 13:04:12
    目录 实现原理 建立诗歌语料库 诗歌分句  ...第二步:将诗歌分句,形成字典:键(key)该句首字的拼音,值(value)该拼音对应的诗句,并将字典保存pickle文件; 第三步:读取pickle...
  • Python 爬虫 之 爬取古代的诗歌,并保存本地(这里以爬取李白的所有诗歌例)(以备作为AI写诗的训练数据) 一、简单介绍 Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言,最初被设计...
  • 原标题:RPA交流——使用 python 一样的代码 (一)下载RPA请访问:www.i-search.com.cn学习RPA请访问:https://support.i-search.com.cn前言从我用 Python 编写第一行代码以来,就被它的简单性、出色的可读性和...
  • Python读写Word文档入门

    千次阅读 2021-11-06 00:22:31
    最近有同事需要批量出500个Word文档,按照1个Word文档耗时1分钟来算也需要8.33小时足足有1天工时。于是,这位同事找到了才哥帮忙,才哥接过需求花了不到30分钟好脚本,运行脚本不...
  • 时隔多年终于实现了这个牛逼的作机器人。...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...
  • 了解RPA: ...学习RPA ...下载RPA: ...前言 从我用 Python 编写第一行代码以来,就被它的简单性、出色的可读性和特别流行的一...可能有些还不知道,但对未来的 Python 项目很有用。 1、交换两个变量 a = 4 b = 5 a,b = b,a
  • LSTM,全称「长短期记忆」,是一种「时间递归神经网络」(RNN)。LSTM 适合于处理和预测时间序列中间隔和延迟非常长的重要事件。...但这不妨碍我们去使用 LSTM 去做点有趣的事情,好比不知道电饭煲是怎么做...
  • Python 古诗写入、复制

    千次阅读 2021-11-26 17:27:04
    1,应用文件操作的相关知识,通过Python新建一个文件gushi.txt,选择一首古诗写入文件中 2,另一个函数,读取指定文件gushi.txt,将内容复制到copy.txt中,并在控制台输出“复制完毕”。 3,提示:分别定义两个...
  • AI写诗,听着让人望尘莫及,道听途说的训练算法,但是不会实际操作,这篇文章可以使不用训练,就可以自己做一个假AI,但是可以骗到妹子哦![坏笑]

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,327
精华内容 2,530
关键字:

为你写诗python