LSTM_model.py
:LSTM网络模型,提供了end_points接口,被其他部分调用
poetry_porcess.py
:数据读取、预处理部分,会返回打包好的batch,被main调用
gen_poetry.py
:古诗生成程序,拥有可选的风格参数,被main调用
main.py
:主函数,既可以调用前两个程序获取预处理数据并使用LSTM网络进行训练,也可以调用gen_poetry.py生成古诗
使用编辑工具进入main.py
,可以看到程序末尾有如下指令,
if __name__ == "__main__":
words,poetry_vector,to_num,x_batches,y_batches = poetry_porcess.poetry_process()
# train(words, poetry_vector, x_batches, y_batches)
# gen_poetry(words, to_num)
generate(words_, to_num_, style_words="狂沙将军战燕然,大漠孤烟黄河骑。")
此时实际上处于生成模式,对于最后的三行, train:表示训练 gen_poetry:表示根据首字符生成 generate:表示根据首句和风格句生成古诗
注释掉后两行,保留train行,即修改如下,
if __name__ == "__main__":
words,poetry_vector,to_num,x_batches,y_batches = poetry_porcess.poetry_process()
train(words, poetry_vector, x_batches, y_batches)
# gen_poetry(words, to_num)
# generate(words_, to_num_, style_words="狂沙将军战燕然,大漠孤烟黄河骑。")
然后运行脚本,
python main.py
即开始训练。
使用最上面的原版就可以,即如下所示
if __name__ == "__main__":
words,poetry_vector,to_num,x_batches,y_batches = poetry_porcess.poetry_process()
# train(words, poetry_vector, x_batches, y_batches)
# gen_poetry(words, to_num)
generate(words_, to_num_, style_words="狂沙将军战燕然,大漠孤烟黄河骑。")
运行脚本,
python main.py
即可显示结果。
如果希望更换风格,同样在这几行代码中(就是最后一行),
generate(words_, to_num_, style_words="狂沙将军战燕然,大漠孤烟黄河骑。")
可以替换style_word为任何你想要的风格句,注意最好使用7言或者5言,因为这句会大概率影响到你生成的古诗的句子长度(不绝对),这只是风格提取,你可以输入任意长度;在运行了脚本后,屏幕会提示输入起始句,输入的句子一般5或者7个字,这个由于会拿来直接做首句(由结果示范可以看到),输入长度不宜过长。
head:床前明月光 + style:黄沙百战金甲:
床前明月光辉,魏武征夫血絮红。
数步崩云复遗主,缟衣东,帝京举,玉轮还满出书初。
秋秋惨惨垂杨柳,梦断黄莺欲断肠。
花凋柳映阮家几,屋前病,歇马空留门。
当年皆月林,独往深山有素。
head:少小离家老大回 + style:山雨欲来风满楼:
少小离家老大回,四壁百月弄鸦飞。
扫香花间春风地,隔天倾似烂桃香。
近来谁伴清明日,两株愁味在罗帏。
仍通西疾空何处,轧轧凉吹日方明。
head:少小离家老大回 + style:铁马冰河入梦来:
少小离家老大回,化空千里便成丝。
官抛十里同牛颔,莫碍风光雪片云。
饮水远涛飞汉地,云连城户翠微低。
一树铁门万象耸,白云三尺各关高。
同言东甸西游子,谁道承阳要旧忧。
少小离家老大回,含颦玉烛拂楼台。
初齐去府芙蓉死,细缓行云向国天。