知识点回顾

1.以下哪些场景涉及文本生成？
A、机器翻译
B、垃圾邮件识别
C、智能写作
D、生成式文本摘要
答案 ACD

2.paddlenlp.datasets类和paddle.io.Dataset的关系，下列哪种描述最恰当？
A.毫无关系
B，paddlenlp.datasets继承自paddle.io.Dataset

答案：B

3·在循环神经网络（RNN）里，处理句子里各个词时都会调用相同的网络单元吗？
A.是的 B.不是

答案：A

2在自然语言处理任务中，将字词、句子、篇章转换为id序列是必要步骤吗？
.A.是的
.B不是

答案：A

3，在循环神经网络（RNN）里，处理句子里各个词时都会调用相同的网络单元吗？
A.是的 B、不是

答案：A
4，在循环神经网络（RNN）里，一般情况，句子里各个词是同时输入网络里，还是有序依次输入？
.A、同时输入
.B、有序依次输入
答案：B

5.交叉熵损失函数可以用于回归任务吗？
A.可以 .B、不可以
答案：B

6·使用PaddleNLP哪个API，方便将数据统一成相同长度，组成批数据？
•A，paddlenlp.Dataset
.B.paddlenlp.data.Tuple
.C.paddlenlp.data.Pad

答案：c

7使用Paddle哪个API，能够对词-向量做初始化？
A，paddle.nn.embedding B，paddle.nn.Linear C.paddle.io.Dataloader

答案：A

8使用Paddle哪个API，能够对网络进行预测？
A，model.fit B，model.evaluate C，model.predictD，model.prepare

答案：C

9.paddle.nn.Linear的作А是？
A、构建线性变换层
B、配置激活函数c、配置损失函数
D、配置优化器
答案：A

背景知识

对联，是汉族传统文化之一，是写在纸、布上或刻在竹子、木头、柱子上的对偶语句。对联对仗工整，平仄协调，是一字一音的汉语独特的艺术形式，是中国传统文化瑰宝。

这里，我们将根据上联，自动写下联。这是一个典型的序列到序列(sequence2sequence, seq2seq）建模的场景，编码器-解码器（Encoder-Decoder）框架是解决seq2seq问题的经典方法，它能够将一个任意长度的源序列转换成另一个任意长度的目标序列：编码阶段将整个源序列编码成一个向量，解码阶段通过最大化预测序列概率，从中解码出整个目标序列。编码和解码的过程通常都使用RNN实现。

图1：encoder-decoder示意图

这里的Encoder采用LSTM，Decoder采用带有attention机制的LSTM。

图2：带有attention机制的encoder-decoder示意图

基本原理

代码实战

我们将以对联的上联作为Encoder的输出，下联作为Decoder的输入，训练模型。

*机器配置

AI Studio平台后续会默认安装PaddleNLP，在此之前可使用如下命令安装。

pip install --upgrade paddlenlp>=2.0.0b -i https://pypi.org/simple

In [2]

import paddlenlp
paddlenlp.__version__

'2.0.0rc1'

In [3]

import io
import osfrom functools import partialimport numpy as npimport paddle
import paddle.nn as nn
import paddle.nn.functional as F
from paddlenlp.data import Vocab, Pad
from paddlenlp.metrics import Perplexity
from paddlenlp.datasets import CoupletDataset

数据部分

数据集介绍

采用开源的对联数据集couplet-clean-dataset，该数据集过滤了 couplet-dataset中的低俗、敏感内容。

这个数据集包含70w多条训练样本，1000条验证样本和1000条测试样本。

下面列出一些训练集中对联样例：

上联：晚风摇树树还挺下联：晨露润花花更红

上联：愿景天成无墨迹下联：万方乐奏有于阗

上联：丹枫江冷人初去下联：绿柳堤新燕复来

上联：闲来野钓人稀处下联：兴起高歌酒醉中

加载数据集

paddlenlp.datasets中内置了多个常见数据集，包括这里的对联数据集CoupletDataset。

paddlenlp.datasets均继承paddle.io.Dataset，支持paddle.io.Dataset的所有功能：

通过len()函数返回数据集长度，即样本数量。
下标索引：通过下标索引[n]获取第n条样本。
遍历数据集，获取所有样本。

此外，paddlenlp.datasets，还支持如下操作：

调用get_datasets()函数，传入list或者string，获取相对应的train_dataset、development_dataset、test_dataset等。其中train为训练集，用于模型训练； development为开发集，也称验证集validation_dataset，用于模型参数调优；test为测试集，用于评估算法的性能，但不会根据测试集上的表现再去调整模型或参数。
调用apply()函数，对数据集进行指定操作。

这里的CoupletDataset数据集继承TranslationDataset，继承自paddlenlp.datasets，除以上通用用法外，还有一些个性设计：

在CoupletDataset class中，还定义了transform函数，用于在每个句子的前后加上起始符<s>和结束符</s>，并将原始数据映射成id序列。

图3：token-to-id示意图

In [4]

train_ds, dev_ds, test_ds = CoupletDataset.get_datasets(['train', 'dev', 'test'])

来看看数据集有多大，长什么样：

In [5]

print (len(train_ds), len(test_ds), len(dev_ds))
for i in range(5):print (train_ds[i])print ('\n')
for i in range(5):print (test_ds[i])

702594 999 1000
([1, 447, 3, 509, 153, 153, 279, 1517, 2], [1, 816, 294, 378, 9, 9, 142, 32, 2])
([1, 594, 185, 10, 71, 18, 158, 912, 2], [1, 14, 105, 107, 835, 20, 268, 3855, 2])
([1, 335, 830, 68, 425, 4, 482, 246, 2], [1, 94, 51, 1115, 23, 141, 761, 17, 2])
([1, 126, 17, 217, 802, 4, 1103, 118, 2], [1, 125, 205, 47, 55, 57, 78, 15, 2])
([1, 1203, 228, 390, 10, 1921, 827, 474, 2], [1, 1699, 89, 426, 317, 314, 43, 374, 2])([1, 6, 201, 350, 54, 1156, 2], [1, 64, 522, 305, 543, 102, 2])
([1, 168, 1402, 61, 270, 11, 195, 253, 2], [1, 435, 782, 1046, 36, 188, 1016, 56, 2])
([1, 744, 185, 744, 6, 18, 452, 16, 1410, 2], [1, 286, 102, 286, 74, 20, 669, 280, 261, 2])
([1, 2577, 496, 1133, 60, 107, 2], [1, 1533, 318, 625, 1401, 172, 2])
([1, 163, 261, 6, 64, 116, 350, 253, 2], [1, 96, 579, 13, 463, 16, 774, 586, 2])

In [6]

vocab, _ = CoupletDataset.get_vocab()
trg_idx2word = vocab.idx_to_token
vocab_size = len(vocab)pad_id = vocab[CoupletDataset.EOS_TOKEN]
bos_id = vocab[CoupletDataset.BOS_TOKEN]
eos_id = vocab[CoupletDataset.EOS_TOKEN]
print (pad_id, bos_id, eos_id)

2 1 2

构造dataloder

使用paddle.io.DataLoader来创建训练和预测时所需要的DataLoader对象。

paddle.io.DataLoader返回一个迭代器，该迭代器根据batch_sampler指定的顺序迭代返回dataset数据。支持单进程或多进程加载数据，快！

接收如下重要参数：

batch_sampler：批采样器实例，用于在paddle.io.DataLoader 中迭代式获取mini-batch的样本下标数组，数组长度与 batch_size 一致。
collate_fn：指定如何将样本列表组合为mini-batch数据。传给它参数需要是一个callable对象，需要实现对组建的batch的处理逻辑，并返回每个batch的数据。在这里传入的是prepare_input函数，对产生的数据进行pad操作，并返回实际长度等。

PaddleNLP提供了许多NLP任务中，用于数据处理、组batch数据的相关API。

API	简介
`paddlenlp.data.Stack`	堆叠N个具有相同shape的输入数据来构建一个batch
`paddlenlp.data.Pad`	将长度不同的多个句子padding到统一长度，取N个输入数据中的最大长度
`paddlenlp.data.Tuple`	将多个batchify函数包装在一起

更多数据处理操作详见： https://github.com/PaddlePaddle/PaddleNLP/blob/develop/docs/data.md

In [7]

def create_data_loader(dataset):data_loader = paddle.io.DataLoader(dataset,batch_sampler=None,batch_size = batch_size,collate_fn=partial(prepare_input, pad_id=pad_id))return data_loaderdef prepare_input(insts, pad_id):src, src_length = Pad(pad_val=pad_id, ret_length=True)([inst[0] for inst in insts])tgt, tgt_length = Pad(pad_val=pad_id, ret_length=True)([inst[1] for inst in insts])tgt_mask = (tgt[:, :-1] != pad_id).astype(paddle.get_default_dtype())return src, src_length, tgt[:, :-1], tgt[:, 1:, np.newaxis], tgt_mask

In [8]

use_gpu = False
device = paddle.set_device("gpu" if use_gpu else "cpu")batch_size = 128
num_layers = 2
dropout = 0.2
hidden_size =256
max_grad_norm = 5.0
learning_rate = 0.001
max_epoch = 20
model_path = './couplet_models'
log_freq = 200# Define dataloader
train_loader = create_data_loader(train_ds)
test_loader = create_data_loader(test_ds)print(len(train_ds), len(train_loader), batch_size)
# 702594 5490 128  共5490个batchfor i in train_loader:print (len(i))for ind, each in enumerate(i):print (ind, each.shape)break

702594 5490 128
5
0 [128, 18]
1 [128]
2 [128, 17]
3 [128, 17, 1]
4 [128, 17]

模型部分

下图是带有Attention的Seq2Seq模型结构。下面我们分别定义网络的每个部分，最后构建Seq2Seq主网络。

图5：带有attention机制的encoder-decoder原理示意图

定义Encoder

Encoder部分非常简单，可以直接利用PaddlePaddle2.0提供的RNN系列API的nn.LSTM。

nn.Embedding：该接口用于构建 Embedding 的一个可调用对象，根据输入的size (vocab_size, embedding_dim)自动构造一个二维embedding矩阵，用于table-lookup。查表过程如下：

图5：token-to-id & 查表获取向量示意图

nn.LSTM：提供序列，得到encoder_output和encoder_state。
参数：

input_size (int) 输入的大小。
hidden_size (int) - 隐藏状态大小。
num_layers (int，可选) - 网络层数。默认为1。
direction (str，可选) - 网络迭代方向，可设置为forward或bidirect（或bidirectional）。默认为forward。
time_major (bool，可选) - 指定input的第一个维度是否是time steps。默认为False。
dropout (float，可选) - dropout概率，指的是出第一层外每层输入时的dropout概率。默认为0。

https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/layer/rnn/LSTM_cn.html

输出:

outputs (Tensor) - 输出，由前向和后向cell的输出拼接得到。如果time_major为True，则Tensor的形状为[time_steps,batch_size,num_directions * hidden_size]，如果time_major为False，则Tensor的形状为[batch_size,time_steps,num_directions * hidden_size]，当direction设置为bidirectional时，num_directions等于2，否则等于1。

final_states (tuple) - 最终状态,一个包含h和c的元组。形状为[num_lauers * num_directions, batch_size, hidden_size],当direction设置为bidirectional时，num_directions等于2，否则等于1。

In [9]

class Seq2SeqEncoder(nn.Layer):def __init__(self, vocab_size, embed_dim, hidden_size, num_layers):super(Seq2SeqEncoder, self).__init__()self.embedder = nn.Embedding(vocab_size, embed_dim)self.lstm = nn.LSTM(input_size=embed_dim,hidden_size=hidden_size,num_layers=num_layers,dropout=0.2 if num_layers > 1 else 0.)def forward(self, sequence, sequence_length):inputs = self.embedder(sequence)encoder_output, encoder_state = self.lstm(inputs, sequence_length=sequence_length)# encoder_output [128, 18, 256]  [batch_size,time_steps,hidden_size]# encoder_state (tuple) - 最终状态,一个包含h和c的元组。 [2, 128, 256] [2, 128, 256] [num_lauers * num_directions, batch_size, hidden_size]return encoder_output, encoder_state

定义Decoder

定义AttentionLayer

nn.Linear线性变换层传入2个参数

in_features (int) – 线性变换层输入单元的数目。
out_features (int) – 线性变换层输出单元的数目。

paddle.matmul用于计算两个Tensor的乘积，遵循完整的广播规则，关于广播规则，请参考广播 (broadcasting) 。并且其行为与 numpy.matmul 一致。

x (Tensor) : 输入变量，类型为 Tensor，数据类型为float32， float64。
y (Tensor) : 输入变量，类型为 Tensor，数据类型为float32， float64。
transpose_x (bool，可选) : 相乘前是否转置 x，默认值为False。
transpose_y (bool，可选) : 相乘前是否转置 y，默认值为False。

paddle.unsqueeze用于向输入Tensor的Shape中一个或多个位置（axis）插入尺寸为1的维度
paddle.add逐元素相加算子，输入 x 与输入 y 逐元素相加，并将各个位置的输出元素保存到返回结果中。

输入 x 与输入 y 必须可以广播为相同形状。

In [10]

class AttentionLayer(nn.Layer):def __init__(self, hidden_size):super(AttentionLayer, self).__init__()self.input_proj = nn.Linear(hidden_size, hidden_size)self.output_proj = nn.Linear(hidden_size + hidden_size, hidden_size)def forward(self, hidden, encoder_output, encoder_padding_mask):encoder_output = self.input_proj(encoder_output)attn_scores = paddle.matmul(paddle.unsqueeze(hidden, [1]), encoder_output, transpose_y=True)# print('attention score', attn_scores.shape) #[128, 1, 18]if encoder_padding_mask is not None:attn_scores = paddle.add(attn_scores, encoder_padding_mask)attn_scores = F.softmax(attn_scores)attn_out = paddle.squeeze(paddle.matmul(attn_scores, encoder_output), [1])# print('1 attn_out', attn_out.shape) #[128, 256]attn_out = paddle.concat([attn_out, hidden], 1)# print('2 attn_out', attn_out.shape) #[128, 512]attn_out = self.output_proj(attn_out)# print('3 attn_out', attn_out.shape) #[128, 256]return attn_out

定义Seq2SeqDecoderCell

由于Decoder部分是带有attention的LSTM，我们不能复用nn.LSTM，所以需要定义Seq2SeqDecoderCell

nn.LayerList 用于保存子层列表，它包含的子层将被正确地注册和添加。列表中的子层可以像常规python列表一样被索引。这里添加了num_layers=2层lstm。

In [11]

class Seq2SeqDecoderCell(nn.RNNCellBase):def __init__(self, num_layers, input_size, hidden_size):super(Seq2SeqDecoderCell, self).__init__()self.dropout = nn.Dropout(0.2)self.lstm_cells = nn.LayerList([nn.LSTMCell(input_size=input_size + hidden_size if i == 0 else hidden_size,hidden_size=hidden_size) for i in range(num_layers)])self.attention_layer = AttentionLayer(hidden_size)def forward(self,step_input,states,encoder_output,encoder_padding_mask=None):lstm_states, input_feed = statesnew_lstm_states = []step_input = paddle.concat([step_input, input_feed], 1)for i, lstm_cell in enumerate(self.lstm_cells):out, new_lstm_state = lstm_cell(step_input, lstm_states[i])step_input = self.dropout(out)new_lstm_states.append(new_lstm_state)out = self.attention_layer(step_input, encoder_output,encoder_padding_mask)return out, [new_lstm_states, out]

定义Seq2SeqDecoder

有了Seq2SeqDecoderCell，就可以构建Seq2SeqDecoder了

paddle.nn.RNN 该OP是循环神经网络（RNN）的封装，将输入的Cell封装为一个循环神经网络。它能够重复执行 cell.forward() 直到遍历完input中的所有Tensor。

cell (RNNCellBase) - RNNCellBase类的一个实例。

In [12]

class Seq2SeqDecoder(nn.Layer):def __init__(self, vocab_size, embed_dim, hidden_size, num_layers):super(Seq2SeqDecoder, self).__init__()self.embedder = nn.Embedding(vocab_size, embed_dim)self.lstm_attention = nn.RNN(Seq2SeqDecoderCell(num_layers, embed_dim, hidden_size))self.output_layer = nn.Linear(hidden_size, vocab_size)def forward(self, trg, decoder_initial_states, encoder_output,encoder_padding_mask):inputs = self.embedder(trg)decoder_output, _ = self.lstm_attention(inputs,initial_states=decoder_initial_states,encoder_output=encoder_output,encoder_padding_mask=encoder_padding_mask)predict = self.output_layer(decoder_output)return predict

构建主网络Seq2SeqAttnModel

Encoder和Decoder定义好之后，网络就可以构建起来了

In [13]

class Seq2SeqAttnModel(nn.Layer):def __init__(self, vocab_size, embed_dim, hidden_size, num_layers,eos_id=1):super(Seq2SeqAttnModel, self).__init__()self.hidden_size = hidden_sizeself.eos_id = eos_idself.num_layers = num_layersself.INF = 1e9self.encoder = Seq2SeqEncoder(vocab_size, embed_dim, hidden_size,num_layers)self.decoder = Seq2SeqDecoder(vocab_size, embed_dim, hidden_size,num_layers)def forward(self, src, src_length, trg):# encoder_output 各时刻的输出h# encoder_final_state 最后时刻的输出h，和记忆信号cencoder_output, encoder_final_state = self.encoder(src, src_length)print('encoder_output shape', encoder_output.shape)  #  [128, 18, 256]  [batch_size,time_steps,hidden_size]print('encoder_final_states shape', encoder_final_state[0].shape, encoder_final_state[1].shape) #[2, 128, 256] [2, 128, 256] [num_lauers * num_directions, batch_size, hidden_size]# Transfer shape of encoder_final_states to [num_layers, 2, batch_size, hidden_size]？？？encoder_final_states = [(encoder_final_state[0][i], encoder_final_state[1][i])for i in range(self.num_layers)]print('encoder_final_states shape', encoder_final_states[0][0].shape, encoder_final_states[0][1].shape) #[128, 256] [128, 256]# Construct decoder initial states: use input_feed and the shape is# [[h,c] * num_layers, input_feed], consistent with Seq2SeqDecoderCell.statesdecoder_initial_states = [encoder_final_states,self.decoder.lstm_attention.cell.get_initial_states(batch_ref=encoder_output, shape=[self.hidden_size])]# Build attention mask to avoid paying attention on padddingssrc_mask = (src != self.eos_id).astype(paddle.get_default_dtype())print ('src_mask shape', src_mask.shape)  #[128, 18]print(src_mask[0, :])encoder_padding_mask = (src_mask - 1.0) * self.INFprint ('encoder_padding_mask', encoder_padding_mask.shape)  #[128, 18]print(encoder_padding_mask[0, :])encoder_padding_mask = paddle.unsqueeze(encoder_padding_mask, [1])print('encoder_padding_mask', encoder_padding_mask.shape)  #[128, 1, 18]predict = self.decoder(trg, decoder_initial_states, encoder_output,encoder_padding_mask)print('predict', predict.shape)   #[128, 17, 7931]return predict

定义损失函数

这里使用的是交叉熵损失函数，我们需要将padding位置的loss置为0，因此需要在损失函数中引入trg_mask参数，由于PaddlePaddle框架提供的paddle.nn.CrossEntropyLoss不能接受trg_mask参数，因此在这里需要重新定义：

In [14]

class CrossEntropyCriterion(nn.Layer):def __init__(self):super(CrossEntropyCriterion, self).__init__()def forward(self, predict, label, trg_mask):cost = F.softmax_with_cross_entropy(logits=predict, label=label, soft_label=False)cost = paddle.squeeze(cost, axis=[2])masked_cost = cost * trg_maskbatch_mean_cost = paddle.mean(masked_cost, axis=[0])seq_cost = paddle.sum(batch_mean_cost)return seq_cost

执行过程

训练过程

使用高层API执行训练，需要调用prepare和fit函数。

在prepare函数中，配置优化器、损失函数，以及评价指标。其中评价指标使用的是PaddleNLP提供的困惑度计算API paddlenlp.metrics.Perplexity。

如果你安装了VisualDL，可以在fit中添加一个callbacks参数使用VisualDL观测你的训练过程，如下：

model.fit(train_data=train_loader,epochs=max_epoch,eval_freq=1,save_freq=1,save_dir=model_path,log_freq=log_freq,callbacks=[paddle.callbacks.VisualDL('./log')])

在这里，由于对联生成任务没有明确的评价指标，因此，可以在保存的多个模型中，通过人工评判生成结果选择最好的模型。

本项目中，为了便于演示，已经将训练好的模型参数载入模型，并省略了训练过程。读者自己实验的时候，可以尝试自行修改超参数，调用下面被注释掉的fit函数，重新进行训练。

如果读者想要在更短的时间内得到效果不错的模型，可以使用预训练模型技术，例如《预训练模型ERNIE-GEN自动写诗》项目为大家展示了如何利用预训练的生成模型进行训练。

In [15]

model = paddle.Model(Seq2SeqAttnModel(vocab_size, hidden_size, hidden_size,num_layers, pad_id))optimizer = paddle.optimizer.Adam(learning_rate=learning_rate, parameters=model.parameters())
ppl_metric = Perplexity()
model.prepare(optimizer, CrossEntropyCriterion(), ppl_metric)# model.fit(train_data=train_loader,
#             epochs=max_epoch,
#             eval_freq=1,
#             save_freq=1,
#             save_dir=model_path,
#             log_freq=log_freq)

模型预测

定义预测网络Seq2SeqAttnInferModel

预测网络继承上面的主网络Seq2SeqAttnModel，定义子类Seq2SeqAttnInferModel

In [16]

class Seq2SeqAttnInferModel(Seq2SeqAttnModel):def __init__(self,vocab_size,embed_dim,hidden_size,num_layers,bos_id=0,eos_id=1,beam_size=4,max_out_len=256):self.bos_id = bos_idself.beam_size = beam_sizeself.max_out_len = max_out_lenself.num_layers = num_layerssuper(Seq2SeqAttnInferModel, self).__init__(vocab_size, embed_dim, hidden_size, num_layers, eos_id)# Dynamic decoder for inferenceself.beam_search_decoder = nn.BeamSearchDecoder(self.decoder.lstm_attention.cell,start_token=bos_id,end_token=eos_id,beam_size=beam_size,embedding_fn=self.decoder.embedder,output_fn=self.decoder.output_layer)def forward(self, src, src_length):encoder_output, encoder_final_state = self.encoder(src, src_length)encoder_final_state = [(encoder_final_state[0][i], encoder_final_state[1][i])for i in range(self.num_layers)]# Initial decoder initial statesdecoder_initial_states = [encoder_final_state,self.decoder.lstm_attention.cell.get_initial_states(batch_ref=encoder_output, shape=[self.hidden_size])]# Build attention mask to avoid paying attention on paddingssrc_mask = (src != self.eos_id).astype(paddle.get_default_dtype())encoder_padding_mask = (src_mask - 1.0) * self.INFencoder_padding_mask = paddle.unsqueeze(encoder_padding_mask, [1])# Tile the batch dimension with beam_sizeencoder_output = nn.BeamSearchDecoder.tile_beam_merge_with_batch(encoder_output, self.beam_size)encoder_padding_mask = nn.BeamSearchDecoder.tile_beam_merge_with_batch(encoder_padding_mask, self.beam_size)# Dynamic decoding with beam searchseq_output, _ = nn.dynamic_decode(decoder=self.beam_search_decoder,inits=decoder_initial_states,max_step_num=self.max_out_len,encoder_output=encoder_output,encoder_padding_mask=encoder_padding_mask)return seq_output

解码部分

接下来对我们的任务选择beam search解码方式，可以指定beam_size为10。

In [17]

def post_process_seq(seq, bos_idx, eos_idx, output_bos=False, output_eos=False):"""Post-process the decoded sequence."""eos_pos = len(seq) - 1for i, idx in enumerate(seq):if idx == eos_idx:eos_pos = ibreakseq = [idx for idx in seq[:eos_pos + 1]if (output_bos or idx != bos_idx) and (output_eos or idx != eos_idx)]return seq

In [18]

beam_size = 10
# init_from_ckpt = './couplet_models/0' # for test
# infer_output_file = './infer_output.txt'# test_loader, vocab_size, pad_id, bos_id, eos_id = create_data_loader(test_ds, batch_size)
# vocab, _ = CoupletDataset.get_vocab()
# trg_idx2word = vocab.idx_to_tokenmodel = paddle.Model(Seq2SeqAttnInferModel(vocab_size,hidden_size,hidden_size,num_layers,bos_id=bos_id,eos_id=eos_id,beam_size=beam_size,max_out_len=256))model.prepare()

在预测之前，我们需要将训练好的模型参数load进预测网络，之后我们就可以根据对联的上联，生成对联的下联啦！

In [19]

model.load('couplet_models/model_18')

In [20]

test_ds = CoupletDataset.get_datasets(['test'])
idx = 0
for data in test_loader():inputs = data[:2]finished_seq = model.predict_batch(inputs=list(inputs))[0]finished_seq = finished_seq[:, :, np.newaxis] if len(finished_seq.shape) == 2 else finished_seqfinished_seq = np.transpose(finished_seq, [0, 2, 1])for ins in finished_seq:for beam in ins:id_list = post_process_seq(beam, bos_id, eos_id)word_list_l = [trg_idx2word[id] for id in test_ds[idx][0]][1:-1]word_list_r = [trg_idx2word[id] for id in id_list]sequence = "上联: "+" ".join(word_list_l)+"\t下联: "+" ".join(word_list_r) + "\n"print(sequence)idx += 1break

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/layers/utils.py:77: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop workingreturn (isinstance(seq, collections.Sequence) and

上联: 众 佛 群 灵 光 圣 地 下联: 众 生 一 念 证 菩 提上联: 乡 愁 何 处 解  下联: 故 事 几 时 休上联: 清 池 荷 试 墨  下联: 碧 水 柳 含 情上联: 既 近 浅 流 安 笔 砚  下联: 欲 将 直 气 定 乾 坤上联: 日 丽 萱 闱 祝 无 量 寿    下联: 月 明 桂 殿 祝 有 余 龄上联: 一 地 残 红 风 拾 起    下联: 半 窗 疏 影 月 窥 来上联: 白 塔 有 情 泪 弹 翠 岛 三 生 梦  下联: 红 尘 无 恙 心 系 苍 生 一 片 心上联: 霜 华 浓 似 雪  下联: 冰 雪 冷 如 冰上联: 小 子 听 之 濯 足 濯 缨 借 自 取  下联: 高 僧 悟 也 修 身 养 性 即 如 来上联: 踏 雪 寻 梅 句  下联: 寻 春 觅 柳 诗上联: 无 水 不 清 一 鉴 尽 传 云 外 意  下联: 有 山 皆 洗 千 秋 不 染 世 间 尘上联: 拜 竹 为 师 一 生 常 对 虚 心 客  下联: 寻 梅 作 伴 半 世 每 逢 知 己 人上联: 眄 晓 日 朝 霞 祥 光 万 里 苍 茫 外    下联: 对 清 风 明 月 明 月 千 秋 寂 寞 中上联: 忠 孝 节 义 萃 于 一 门 间 披 南 宋 伤 心 史    下联: 忠 孝 忠 孝 昭 其 千 载 后 继 东 方 继 往 开上联: 一 枕 云 山 观 自 在  下联: 半 窗 竹 影 任 逍 遥上联: 秀 丽 堂 皇 延 好 客  下联: 和 谐 社 会 庆 新 春上联: 配 偶    下联: 交 朋上联: 故 事 含 章 吐 曜 清 明 一 曲 千 秋 醉    下联: 春 风 得 意 流 光 溢 彩 千 秋 万 代 兴上联: 仁 和 信 义 安 民 清 心 自 律 查 风 纪  下联: 诚 信 文 明 治 国 富 国 强 民 奔 小 康上联: 一 言 难 尽 同 窗 梦  下联: 半 世 不 知 两 鬓 秋上联: 酒 高 好 看 东 篱 菊  下联: 月 老 难 寻 北 斗 星上联: 百 味 溢 琴 弦 几 许 青 春 流 淌  下联: 千 秋 留 笔 墨 千 秋 翰 墨 芬 芳上联: 惜 有 花 开 人 去 后  下联: 愁 无 月 落 梦 来 时上联: 满 月 可 观 仙 子 泪  下联: 清 风 不 负 故 人 情上联: 月 遮 白 雪 夜 织 女  下联: 风 过 泸 州 带 酒 香上联: 兰 舟 野 渡 逍 遥 梦  下联: 明 月 清 风 自 在 诗上联: 带 俏 含 羞 梅 弄 雪  下联: 乘 风 破 浪 浪 淘 沙上联: 何 去 何 从 须 看 红 包 厚 度    下联: 不 来 不 见 莫 言 白 发 多 情上联: 梅 花 三 弄 风 和 雨    下联: 柳 絮 一 飞 雨 顺 风上联: 绿 蚁 杯 中 物  下联: 红 尘 梦 里 人上联: 胜 友 如 云 赞 壮 丽 名 楼 重 光 故 郡  下联: 高 朋 似 海 赞 英 雄 伟 业 永 耀 神 州上联: 画 栋 雕 梁 门 启 千 般 风 物 秀  下联: 琼 楼 玉 宇 梦 圆 万 里 画 图 新上联: 牛 车 行 马 路  下联: 骏 马 跃 龙 门上联: 半 夏 当 归 熟 地 总 比 生 地 好  下联: 千 秋 不 老 高 山 流 水 上 天 高上联: 走 兽    下联: 飞 禽上联: 青 山 不 改 三 贤 赋    下联: 碧 水 长 流 四 海 歌上联: 拈 雁 字 韵 山 风 敢 问 醉 处    下联: 把 酒 诗 情 月 色 不 知 愁 时上联: 栈 道 连 云 引 无 数 英 雄 豪 杰 登 天 摘 月    下联: 春 风 化 雨 催 万 千 豪 杰 英 雄 壮 志 凌 云上联: 梦 里 情 人 情 里 梦  下联: 杯 中 月 色 梦 中 人上联: 文 明 古 国 励 精 图 治 新 崛 起  下联: 和 谐 社 会 勤 劳 致 富 大 腾 飞上联: 话 旧 老 翁 漫 忆 当 年 骑 马 马  下联: 情 归 故 里 遥 思 往 日 驾 龙 舟上联: 花 香 常 绕 笔  下联: 鸟 语 总 关 情上联: 凭 本 领 冲 冠  下联: 靠 科 学 创 新上联: 无 欲 自 然 心 似 水  下联: 有 情 何 必 梦 如 烟上联: 脉 脉 人 千 里 念 两 处 风 情 万 重 烟 水    下联: 幽 幽 梦 一 帘 思 一 帘 梦 梦 几 度 春 秋上联: 千 朵 红 莲 三 里 水    下联: 一 轮 皓 月 一 轮 星上联: 尽 夜 观 灯 夜 夜 夜 灯 灯 不 夜  下联: 临 晨 听 雨 声 声 声 鼓 鼓 长 鸣上联: 嘉 施 利 根 动 力 再 接 再 厉    下联: 展 宏 图 展 宏 图 如 画 如 诗上联: 绸 缎 满 天 风 带 走    下联: 琴 弦 一 曲 月 携 来上联: 鞠 松 陶 令 宅  下联: 垂 柳 侍 郎 家上联: 感 恩 观 世 界  下联: 济 世 度 人 生上联: 淇 淋 藏 雪 柜  下联: 趵 突 淌 冰 泉上联: 科 学 绘 就 民 生 景  下联: 勤 俭 浇 开 幸 福 花上联: 佛 道 参 茶 参 造 化  下联: 禅 心 悟 道 悟 禅 机上联: 清 风 远 播 凤 城 爱  下联: 明 月 长 留 天 井 红上联: 菡 萏 开 花 吐 艳    下联: 蜻 蜓 点 水 含 情上联: 读 书 需 用 意    下联: 处 世 要 修 身上联: 无 聊 友  下联: 有 瘾 人上联: 春 花 桃 叶 渡  下联: 秋 月 桂 花 香上联: 一 钩 小 月 斜 檐 角  下联: 两 袖 清 风 入 画 中上联: 李 李 桃 桃 香 一 苑  下联: 梅 兰 竹 菊 韵 千 秋上联: 谁 人 能 解 落 花 梦  下联: 哪 个 可 知 流 水 情上联: 善 报 恶 报 迟 报 速 报 终 须 有 报    下联: 天 知 地 知 我 知 我 知 何 谓 无 知上联: 记 得 与 君 花 下 别    下联: 不 知 何 处 水 中 央上联: 春 风 送 暖 催 花 艳  下联: 旭 日 迎 新 映 日 红上联: 林 深 路 险 人 难 越  下联: 海 阔 天 空 志 不 移上联: 兽 王 不 敌 群 虫 搏  下联: 牛 鬼 何 须 众 鸟 鸣上联: 敞 大 关 门 平 垭 口  下联: 开 新 路 路 上 层 楼上联: 过 隧 道 不 得 超 车  下联: 过 关 关 关 关 关 关上联: 老 来 渐 得 湖 山 味  下联: 老 去 方 知 岁 月 情上联: 老 了 还 难 说 真 话  下联: 新 来 未 必 见 真 情上联: 天 人 合 一 新 城 市  下联: 日 月 同 辉 大 地 天上联: 树 发 孙 枝 方 茂 盛  下联: 花 开 果 果 更 繁 荣上联: 缘 枝 摘 果 和 风 伴  下联: 梦 笔 生 花 细 雨 随上联: 血 肉 筑 长 城 八 年 悲 壮 铭 千 古    下联: 锤 镰 开 盛 世 万 里 江 山 耀 九 州上联: 一 径 飞 花 寻 旧 梦    下联: 两 行 雁 字 寄 新 愁上联: 与 尔 同 销 万 古    下联: 同 君 共 享 千 秋上联: 明 文 传 素 志    下联: 大 笔 写 春 秋上联: 苍 苔 路 熟 僧 归 寺  下联: 红 叶 楼 高 月 满 楼上联: 一 帘 卷 走 清 风 夜  下联: 两 袖 清 来 明 月 天上联: 蓝 天 绿 地 山 川 美  下联: 绿 水 青 山 日 月 新上联: 清 思 似 水 洞 察 秋 毫 策 已 决  下联: 正 气 如 山 气 冲 霄 汉 展 雄 姿上联: 宝 篆 焚 香 留 睡 鸭  下联: 清 风 拂 槛 送 归 鸿上联: 飞 花 一 径 随 风 袅  下联: 落 叶 千 山 伴 月 眠上联: 动 守 其 时 静 随 其 势 不 倚 不 偏 循 本 位  下联: 安 居 此 处 安 得 安 居 安 居 乐 业 享 安 康上联: 弹 琴 又 为 相 思 梦  下联: 把 酒 还 吟 寂 寞 诗上联: 郑 知 县 描 竹 临 傲 骨    下联: 陈 美 人 泼 墨 写 春 秋上联: 妙 质 因 风 剪    下联: 真 情 似 水 流上联: 登 梅 喜 鹊 开 春 运  下联: 踏 雪 梅 花 报 福 音上联: 金 人 汉 满 皆 兄 弟  下联: 天 下 人 和 是 弟 兄上联: 巴 人 兴 吃 火 锅 鸭  下联: 老 鬼 出 山 山 水 鸡上联: 文 艺 迎 春 春 风 激 发 正 能 量  下联: 楹 联 贺 岁 喜 气 盈 门 新 画 图上联: 奥 运 福 娃 喜 迎 天 下 客  下联: 神 州 奥 运 喜 报 世 间 春上联: 四 面 晴 光 对 屏 障  下联: 一 江 春 水 向 东 流上联: 春 雨 读 花 信  下联: 秋 风 扫 草 原上联: 称 胡 师 督 辫 军 光 绪 班 班 可 仿    下联: 夺 冠 军 营 销 战 功 勋 处 处 如 何上联: 口 技 演 员 说 鸟 话    下联: 神 州 大 业 展 鸿 图上联: 庙 堂 雨 露 何 关 我  下联: 山 水 风 流 自 在 人上联: 走 金 光 道 擎 特 色 旗 鹿 洼 崛 起 前 程 远  下联: 奔 富 路 路 拓 新 程 路 龙 马 腾 飞 骏 业 兴上联: 秋 风 琴 瑟 弹 高 调  下联: 冬 雪 梅 花 伴 暗 香上联: 久 坐 深 窗 听 花 跌 落    下联: 曾 经 沧 海 看 月 沉 浮上联: 社 稷 言 称 将 相  下联: 江 山 气 壮 神 州上联: 有 热 情 何 须 三 把 火  下联: 无 杂 念 不 必 一 身 轻上联: 大 梁 凌 霄 云 浩 荡    下联: 高 山 仰 岳 日 辉 煌上联: 钟 声 嘹 亮 感 恩 亿 万 勤 劳 客  下联: 瑞 气 氤 氲 喜 气 千 千 幸 福 人上联: 员 树 出 天    下联: 天 地 成 地上联: 拂 镜 羞 温 峤    下联: 垂 帘 静 倚 窗上联: 松 翠 自 洁 梅 雅 无 争 百 里 悬 冰 春 在 望  下联: 花 香 扑 面 花 香 溢 彩 千 年 流 韵 梦 生 香上联: 滚 动 新 闻 反 复 念  下联: 风 流 旧 事 总 关 情上联: 今 年 逢 狗    下联: 昨 日 逢 猪上联: 雾 里 群 峰 如 有 约    下联: 云 中 一 月 似 无 眠上联: 收 缩 天 地 穿 越 时 空 千 载 戏 文 千 载 梦  下联: 传 递 古 今 传 承 古 今 万 年 功 业 万 年 春上联: 同 仇 抗 日 歌 才 子 且 为 战 士  下联: 克 己 捐 躯 颂 英 雄 还 是 英 雄上联: 墨 香 如 酒 千 层 浪  下联: 墨 韵 似 诗 万 卷 诗上联: 半 世 情 怀 敲 案 问  下联: 一 蓑 烟 雨 任 平 生上联: 瞻 大 贵 大 雄 诵 大 悲 顿 生 大 觉    下联: 念 慈 悲 慈 善 念 慈 念 普 度 众 生上联: 二 三 鸟 语 消 春 困    下联: 一 片 冰 心 在 玉 壶上联: 风 梳 柳 髻 青 丝 乱  下联: 雨 润 桃 腮 粉 面 娇上联: 成 败 不 由 人 惟 求 尽 力  下联: 死 生 皆 自 己 但 愿 无 忧上联: 爱 国 重 家 君 子 义  下联: 修 身 养 性 圣 贤 心上联: 云 移 月 伴 难 留 步  下联: 日 丽 风 和 不 动 心上联: 归 山 已 绝 沧 桑 泪  下联: 逝 水 难 留 岁 月 痕上联: 万 里 海 涛 千 卷 画  下联: 一 江 春 水 一 湖 诗上联: 百 年 紫 木 固 根 基 回 望 陈 门 进 士  下联: 万 里 青 山 如 画 本 展 望 锦 绣 前 程上联: 风 华 减 去 谁 留 住  下联: 岁 月 添 来 我 自 来上联: 望 赤 壁 流 丹 问 谁 挥 梦 笔 皴 红 苗 寨    下联: 看 青 山 焕 彩 看 我 挥 毫 书 写 绿 诗 篇上联: 福 娃 盛 邀 五 洲 客    下联: 宝 鸡 欢 唱 万 户 春上联: 久 知 鹄 自 飞 新 得  下联: 常 见 龙 能 起 大 来上联: 我 曾 置 盏 邀 明 月  下联: 谁 与 拈 花 问 落 花上联: 彰 一 代 君 臣 表 率  下联: 仰 千 秋 俎 豆 馨 香上联: 枝 繁 叶 茂 拔 萃 精 英 拟 决 策  下联: 国 富 民 强 扬 鞭 骏 马 奋 腾 飞上联: 勤 志 有 为 千 般 陶 冶 终 成 器  下联: 勤 劳 无 限 万 种 芬 芳 总 是 春上联: 亦 静 不 哗 听 涓 滴 天 来 甘 露  下联: 亦 真 亦 幻 见 沧 桑 世 外 桃 源上联: 打 胡 说  下联: 刮 肚 搜上联: 长 街 扫 落 三 秋 叶  下联: 短 笛 吹 开 一 剪 梅上联: 不 懂 古 文 编 白 话  下联: 常 闻 新 曲 奏 清 音上联: 往 来 不 少 响 各 客  下联: 生 死 何 妨 说 是 非上联: 风 云 乍 向 怀 中 起  下联: 岁 月 常 从 梦 里 来上联: 摇 橹 荡 舟 寻 美 境  下联: 挥 毫 泼 墨 写 华 章上联: 漫 天 瑞 雪 千 山 秀  下联: 遍 地 春 风 万 里 香上联: 改 革 革 出 万 亩 粮 田 田 聚 宝  下联: 科 学 发 展 千 家 事 业 业 增 辉上联: 劈 疯 癫 营 造 精 神 蓝 天 绿 地  下联: 治 病 病 保 持 保 障 绿 水 青 山上联: 小 妹 东 坡 留 佛 印  下联: 高 僧 西 子 悟 禅 机上联: 赞 荷 文 创 基 业 枝 荣 本 固 昌 万 代  下联: 赞 桃 李 育 桃 李 果 硕 果 丰 誉 千 秋上联: 酒 烈 风 高 山 路 远 望 君 珍 重  下联: 月 圆 花 好 月 光 高 照 我 婵 娟上联: 沐 八 载 春 风 艺 花 吐 艳 今 朝 多 异 彩    下联: 兴 千 秋 伟 业 联 苑 增 辉 此 日 尽 奇 香上联: 入 口 已 然 年 味 道    下联: 回 头 不 见 旧 风 情上联: 围 炉 夜 话 新 醅 酒  下联: 把 盏 晨 钟 旧 鼓 声上联: 春 风 一 顾 山 花 笑  下联: 秋 雨 几 时 柳 絮 飞上联: 雾 花 水 月 清 心 逸  下联: 冰 雪 冰 霜 白 骨 精上联: 飞 雪 片 片 凝 瑞    下联: 落 花 声 声 唤 春上联: 东 风 乍 喜 还 沧 海    下联: 紫 燕 初 裁 又 剪 春上联: 桃 花 窥 镜 珠 江 羞 红 两 岸    下联: 燕 子 裁 春 锦 绣 喜 绿 千 畴上联: 高 者 顶 天 不 霸 道    下联: 大 夫 拔 地 莫 欺 天上联: 草 木 蒙 茸 露 湿 青 皋 闲 数 鹭 峰 泛 舟 待 月    下联: 山 峦 叠 翠 风 来 碧 水 静 听 渔 歌 唱 晚 听 涛上联: 瑞 兆 千 秋 骏 业  下联: 春 回 万 里 春 光上联: 月 半 举 杯 圆 月 下    下联: 风 中 吹 笛 落 花 间上联: 庠 序 百 年 为 大 本  下联: 英 雄 千 古 仰 高 风上联: 推 杯 换 盏 频 交 手  下联: 拍 马 溜 须 总 动 心上联: 悲 歌 动 地    下联: 喜 气 盈 门上联: 随 水 逝 泪 成 行 落 花 空 散 去    下联: 随 风 飘 梦 入 梦 流 水 自 生 来上联: 牛 肚    下联: 马 蹄上联: 狡 诈  下联: 愚 公上联: 植 竹 培 兰 修 心 养 性  下联: 栽 花 种 竹 养 性 修 身上联: 天 地 间 日 星 河 岳 正 气    下联: 山 河 里 日 月 日 月 光 华上联: 常 常 喝 常 常 醉 常 常 喝 醉    下联: 多 多 多 多 少 多 多 多 少 多上联: 似 水 流 年 闲 愁 万 种 何 人 会    下联: 如 烟 往 事 旧 梦 千 重 哪 个 知上联: 一 起 同 尊 泽 后 土 苍 天 共 弘 道 脉  下联: 百 年 共 仰 光 前 天 大 地 同 仰 灵 光上联: 承 厚 重 人 文 千 古 徽 风 排 闼 入    下联: 展 宏 图 气 象 万 家 春 色 入 怀 来上联: 强 弓 射 透 百 步 杨    下联: 大 笔 写 出 千 年 文上联: 常 思 灯 下 老 妈 影  下联: 不 见 人 间 老 子 心上联: 春 风 绿 染 千 家 树  下联: 旭 日 红 燃 万 户 门上联: 香 阁 春 回 风 送 暖  下联: 寒 窗 夜 静 月 生 凉上联: 一 竿 竹 影 横 窗 乱  下联: 十 里 荷 香 扑 面 香上联: 冲 一 盏 清 茶 细 品 前 尘 往 事  下联: 看 千 年 老 酒 闲 斟 往 事 沧 桑上联: 梦 筑 中 华 全 民 追 梦    下联: 春 回 大 地 大 地 飞 歌上联: 精 做 郇 阳 地 道 家 常 思 乡 菜    下联: 闲 游 宝 岛 人 间 客 醉 醉 乡 人上联: 风 调 雨 顺 百 花 艳  下联: 国 泰 民 安 万 事 兴上联: 庭 竹 不 收 帘 影 去  下联: 梅 花 犹 带 雪 香 来上联: 近 梅 已 是 三 分 雅  下联: 临 水 方 知 一 脉 香上联: 城 开 山 日 早  下联: 鸟 啭 鸟 声 甜上联: 春 夜 疏 帘 邀 月 影  下联: 秋 风 小 院 惹 花 香上联: 一 生 老 病 死  下联: 千 古 古 风 流上联: 水 白 如 冰 粉 藕 如 弯 饼 圆 如 月    下联: 山 青 似 画 图 山 似 画 图 画 似 诗上联: 欢 天 喜 地 笑 迎 乖 兔 宝 贝  下联: 乐 地 乐 天 乐 奏 好 猫 哆 哩上联: 杜 门 远 万 马 兵 尘 海 上 引 年 仙 枣 大  下联: 孔 子 长 千 年 俎 豆 山 中 留 俎 豆 馨 香上联: 红 丝 穿 露 珠 帘 冷    下联: 紫 燕 穿 云 玉 指 凉上联: 访 山 问 水 知 音 渺  下联: 踏 雪 寻 梅 雅 韵 悠上联: 万 里 长 江 华 夏 文 明 扬 海 外  下联: 千 秋 大 业 神 州 伟 业 耀 中 华上联: 兄 及 弟 矣 式 相 好 矣 无 相 尤 矣    下联: 夫 之 子 也 有 所 谓 乎 有 所 谓 乎上联: 韬 光 养 晦 风 云 独 秀 潇 湘 竹    下联: 反 腐 倡 廉 日 月 长 辉 舜 尧 天上联: 风 清 月 白 闲 鸥 鹭  下联: 日 丽 花 红 醉 蝶 蜂上联: 千 里 目  下联: 万 年 春上联: 燕 唱 山 歌 催 嫩 绿  下联: 莺 歌 燕 舞 唤 春 红上联: 猪 八 戒 扮 姑 娘 好 歹 不 像    下联: 鼠 百 年 谋 大 计 输 赢 难 得上联: 石 洞 流 甘 露    下联: 山 泉 洗 俗 尘上联: 山 能 醉 意 常 流 韵  下联: 水 可 怡 情 总 动 情上联: 新 朋 老 友 夸 廉 吏  下联: 美 酒 佳 肴 赞 美 人上联: 并 蒂 花 开 连 理 树  下联: 并 蒂 蒂 开 并 蒂 花上联: 秋 河 曙 耿 耿  下联: 夜 雨 夜 凄 凄上联: 云 连 瀑 布 悬 岩 秀  下联: 风 过 泸 州 带 酒 香上联: 济 水 自 清 河 自 浊  下联: 江 山 如 画 水 长 流上联: 利 害 当 头 操 守 见  下联: 风 云 在 上 任 行 行上联: 道 路 畅 通 车 如 流 水    下联: 佛 光 普 照 佛 即 菩 提上联: 檐 雨 连 珠 难 剪 断    下联: 秋 风 入 梦 不 回 头上联: 统 一 齐 民 心 民 心 连 两 岸    下联: 同 心 协 力 力 国 力 振 千 秋上联: 民 常 有 德 犹 多 福    下联: 国 是 无 忧 不 少 忧上联: 宴 罢 兰 亭 留 墨 宝  下联: 风 来 柳 榭 醉 花 香上联: 搅 出 新 纹 鱼 共 舞  下联: 搅 浑 浊 水 月 相 随上联: 五 岳 德 高 儒 释 道  下联: 千 秋 功 伟 武 功 勋上联: 打 草 寻 山 勤 动 手  下联: 乘 风 破 浪 正 当 头上联: 千 年 余 庆 千 秋 颂  下联: 万 里 长 城 万 代 兴上联: 最 喜 老 头 无 赖    下联: 不 知 大 梦 难 圆上联: 满 心 眷 恋 情 荡 荡    下联: 一 梦 缠 绵 梦 悠 悠上联: 社 会 和 谐 担 于 肩 上    下联: 人 民 富 裕 乐 在 心 中上联: 宝 墨 寄 闲 情 紫 洞 清 歌 听 一 曲 鱼 游 春 水  下联: 清 风 传 雅 韵 清 风 明 月 看 千 年 龙 跃 龙 门上联: 八 一 高 歌 万 里 长 城 担 日 月    下联: 千 秋 大 业 千 秋 伟 业 铸 辉 煌上联: 对 月 吟 须 浮 白 醉  下联: 临 风 把 酒 醉 红 尘上联: 应 法 闻 鸡 起 舞    下联: 为 民 跃 马 扬 鞭上联: 笛 弄 梅 花 五 岭 三 山 飘 瑞 雪    下联: 风 吹 柳 絮 一 江 一 水 荡 春 潮上联: 与 月 交 心 知 照 顾  下联: 随 风 入 梦 觉 相 思上联: 鹏 程 万 里 身 须 健  下联: 骏 业 千 秋 气 自 雄上联: 古 道 经 年 无 信 使  下联: 高 山 流 水 有 知 音上联: 穿 云 海 两 肩 担 水  下联: 破 雾 天 一 手 遮 天上联: 愁 情 由 曲 解  下联: 爱 意 自 天 然上联: 平 天 湖 上 赏 明 月  下联: 杏 花 村 里 品 清 香上联: 烟 雨 雾 绕 江 心 岛  下联: 日 月 星 辉 海 角 天上联: 一 生 功 过 盖 棺 定  下联: 半 世 沧 桑 世 事 空上联: 负 手 云 烟 流 水 高 山 闲 自 在  下联: 放 怀 风 月 清 风 明 月 乐 逍 遥上联: 每 感 言 轻 难 表 意  下联: 常 思 正 直 不 关 心上联: 平 天 湖 上 嫦 娥 舒 广 袖  下联: 杏 花 村 里 蝴 蝶 舞 春 风上联: 敬 业 乐 群 疏 导 源 头 活 水    下联: 求 真 务 实 弘 扬 正 气 清 风上联: 无 所 不 通 无 所 事    下联: 不 知 难 得 有 知 音上联: 风 烛 何 堪 空 落 泪  下联: 梅 花 未 必 枉 凝 眉上联: 浇 科 学 水 挥 智 慧 锄 韶 华 七 秩 同 文 曲  下联: 育 李 培 桃 育 桃 李 育 李 李 千 秋 大 业 篇上联: 欲 学 狂 人 发 酵 芝 麻 捕 风 捉 影 求 轰 动  下联: 不 知 老 鬼 出 山 山 水 擒 虎 捉 刀 富 富 强上联: 采 一 篮 童 年 往 事  下联: 赊 几 分 月 色 闲 情上联: 灵 地 棉 湖 镇  下联: 青 山 碧 水 环上联: 山 巅 茶 场 散 清 馨 松 竹 瀑 泉 美    下联: 门 外 春 风 化 雨 露 桃 花 春 意 浓上联: 春 蚕 又 吐 新 茧 把 人 生 画 卷 织 成 美 锦    下联: 蜡 炬 将 燃 旧 情 将 梦 想 文 章 铸 就 丰 碑上联: 客 来 把 酒 花 间 醉  下联: 风 过 泸 州 梦 里 香上联: 枕 上 轻 寒 窗 外 雨  下联: 枕 边 寂 寞 梦 中 人上联: 闹 井    下联: 喧 天上联: 马 蹄 奋 起 追 欧 美    下联: 羊 角 顶 开 揽 月 光上联: 字 到 无 锋 称 极 品  下联: 情 于 有 意 是 真 情上联: 执 掌 三 铡 刀 诚 彰 正 义  下联: 挥 毫 一 蜕 纸 不 负 春 秋上联: 英 雄 不 问 出 处    下联: 儿 女 难 得 糊 涂上联: 见 也 难 别 也 难 形 如 彩 凤 双 飞 翼    下联: 闻 之 乐 乐 之 乐 天 下 神 龙 一 啸 风上联: 勤 俭 生 富 贵  下联: 勤 劳 致 富 强上联: 慢 赏 好 书 如 品 酒  下联: 闲 吟 佳 句 似 吟 诗上联: 伴 随 经 史 同 游 古  下联: 共 赏 春 秋 共 读 书上联: 梅 子 流 酸 怜 苦 李  下联: 梅 花 傲 雪 傲 寒 梅上联: 岁 前 事 真 仿 佛    下联: 天 上 人 不 如 神上联: 归 去 来 兮 见 放 魂 萦 三 户 地    下联: 归 来 去 矣 何 堪 梦 断 一 江 秋上联: 岳 色 河 声 韵 满 京 畿 盛 象 宏 开 中 国 画  下联: 山 光 水 色 花 香 燕 赵 春 风 浩 荡 大 江 潮上联: 凝 心 总 把 锤 镰 举  下联: 放 眼 常 将 梦 想 飞上联: 乡 村 六 秩 恍 如 隔 世    下联: 岁 月 千 秋 恰 似 当 时上联: 喜 庆 三 春 红 我 容 颜 莫 过 新 天 美 酒  下联: 欣 逢 五 福 喜 咱 梦 想 能 成 大 地 欢 歌上联: 德 政 归 心 燕 舞 秦 川 祥 气 绕    下联: 春 风 得 意 莺 歌 燕 岭 紫 气 腾上联: 四 朝 长 乐 老  下联: 千 古 古 风 流上联: 古 月 光 明 新 世 界  下联: 春 风 浩 荡 旧 乾 坤上联: 古 域 春 光 六 旬 伟 业 逾 千 载  下联: 中 华 骏 业 万 里 宏 图 壮 九 州上联: 溪 声 流 入 砚  下联: 月 色 碾 成 诗上联: 鸟 雀 交 鸣 诗 有 韵  下联: 莺 莺 婉 转 曲 无 声上联: 老 了 流 年 无 悲 无 喜    下联: 时 来 往 事 有 梦 有 香上联: 门 通 小 径 连 芳 草    下联: 风 过 泸 州 带 酒 香上联: 嫁 得 潘 家 郎 有 水 有 田 有 米  下联: 迎 来 女 子 女 无 男 无 女 无 男上联: 往 事 淘 空 将 身 独 许 这 般 月  下联: 相 思 寄 尽 把 酒 相 邀 那 段 情上联: 走 基 层 听 民 声 向 下 扎 根 接 地 气  下联: 创 大 业 兴 国 运 中 华 崛 起 展 雄 风上联: 嘉 树 来 西 域 凤 翥 龙 翔 十 里 市 城 添 秀 色    下联: 祥 云 起 东 风 龙 腾 虎 跃 九 州 大 地 焕 新 颜上联: 盛 世 抒 怀 笔 舞 云 龙 同 作 赋    下联: 春 风 得 意 诗 吟 雅 韵 共 吟 诗上联: 杨 柳 小 腰 难 把 握  下联: 桃 花 依 旧 笑 春 风上联: 衣 沾 月 色 如 霜 洗  下联: 袖 拂 清 风 似 水 流上联: 中 秋 醉 也 二 婆 挥 泪 砸 三 少  下联: 大 地 悲 哉 一 女 伤 心 泣 几 人上联: 松 桧 老 依 云 外 地  下联: 楼 台 深 锁 洞 中 天上联: 时 绎 古 书 以 明 古 义    下联: 人 登 高 阁 而 上 高 楼上联: 论 语 无 平 调    下联: 文 章 有 古 风上联: 柳 色 常 随 春 意 绿  下联: 梅 香 总 伴 腊 梅 香上联: 人 兴 财 旺 年 年 好  下联: 日 丽 风 和 处 处 春上联: 文 化 添 新 拳 石 喷 泉 堪 驻 足  下联: 人 文 焕 彩 心 潮 逐 浪 更 扬 帆上联: 夜 色 难 留 君 去 意  下联: 春 风 不 度 我 归 心上联: 乡 书 一 字 千 金 贵  下联: 老 酒 三 杯 万 事 休上联: 星 斗 满 天 难 比 月  下联: 风 云 一 路 不 如 云上联: 归 处 不 知 风 几 度  下联: 归 时 已 觉 月 三 更上联: 忍 性 吞 气 茹 苦 饮 痛    下联: 披 肝 沥 胆 忠 肝 义 胆上联: 各 有 千 秋 兄 弟 三 人 相 继 去    下联: 相 期 一 日 江 山 一 统 共 争 先上联: 瘦 月 斜 眯 千 涧 水  下联: 清 风 漫 卷 万 山 云上联: 知 春 雨 滴 藏 金 地  下联: 晓 夏 风 吹 绽 玉 花上联: 秋 灯 千 点 雨  下联: 雁 字 几 行 诗上联: 明 花 许 我 三 分 色  下联: 明 月 谁 人 一 段 情上联: 韵 流 青 史 丹 樨 在  下联: 风 过 泸 州 带 酒 香上联: 苍 海 扬 波 高 歌 始 祖 恩 深 似 海    下联: 青 山 耸 翠 大 展 宏 图 志 壮 如 山上联: 烟 柳 斜 阳 归 去 东 南 余 半 壁    下联: 桃 花 流 水 归 来 春 夏 第 一 枝上联: 一 朝 飞 雪 满 天 字  下联: 几 度 流 云 遍 地 诗上联: 杨 柳 多 情 笑 问 春 风 桃 李 事  下联: 桃 花 依 旧 笑 看 明 月 水 云 心上联: 新 月 如 钩 钩 起 心 田 多 少 事  下联: 春 风 似 剪 裁 成 梦 幻 几 分 愁上联: 龙 陪 旭 日 观 奇 景  下联: 蛇 伴 春 风 入 画 图上联: 一 亭 诗 韵 夸 儿 孝  下联: 两 袖 清 风 赞 子 孙上联: 灵 羊 奉 献 兴 邦 硕 果    下联: 骏 马 奔 腾 富 国 宏 图上联: 卓 越 超 群 德 达 三 江 通 四 海    下联: 达 观 致 远 文 明 四 海 耀 千 秋上联: 抚 石 可 辨 文 章 影  下联: 挥 笔 能 书 翰 墨 香上联: 红 桃 笑 破 胭 脂 口  下联: 绿 柳 轻 摇 翡 翠 裙上联: 室 陋 几 曾 输 月 色  下联: 人 闲 何 处 觅 花 香上联: 舍 经 难 顿 悟 未 上 此 楼 永 与 佛 天 离 咫 尺    下联: 修 道 可 修 行 无 边 彼 岸 长 随 法 雨 洗 尘 心上联: 春 风 已 过 斜 阳 道    下联: 明 月 还 临 明 月 楼上联: 数 遍 千 官 无 所 事  下联: 几 多 万 事 有 知 音上联: 四 面 荷 花 三 面 柳 于 泉 城 润 色    下联: 万 家 灯 火 万 家 灯 照 梦 想 成 真上联: 嫁 女 婚 男 百 年 合    下联: 结 婚 婚 姻 四 海 同上联: 人 在 征 途 满 园 春 色 谁 关 注  下联: 情 牵 故 里 一 片 冰 心 我 自 由上联: 厨 艺 高 超 工 境 界  下联: 匠 心 巧 妙 妙 文 章上联: 踏 浪 归 来 风 雨 江 湖 犹 识 我  下联: 登 楼 望 远 江 山 山 水 不 知 年上联: 落 纸 云 烟 凝 往 事  下联: 挥 毫 笔 墨 写 新 篇上联: 艺 苑 腾 蛟 圣 域 方 收 硕 果    下联: 联 坛 跃 马 神 州 更 上 层 楼上联: 歧 路  下联: 长 江上联: 鹊 飞 疑 是 银 河 渡    下联: 雁 去 疑 为 玉 簟 秋上联: 创 业 创 新 天 下 道 源 新 故 事  下联: 承 前 启 后 世 间 遗 产 大 文 章上联: 红 尘 信 似 云 霞 聚  下联: 青 史 犹 如 日 月 长上联: 燕 舞 新 年 喜  下联: 莺 歌 盛 世 春上联: 红 绿 青 黄 黑 白 皆 都 有  下联: 红 红 绿 绿 红 红 各 样 红上联: 祥 光 烁 破 千 生 病  下联: 瑞 气 迎 来 万 里 春上联: 灵 似 甘 霖 解 口 渴  下联: 心 如 明 月 照 人 心上联: 清 风 拂 面 迷 人 意  下联: 明 月 盈 怀 醉 客 心上联: 欲 邀 我 佛 来 执 意 催 山 起 祥 云 莲 开 宝 座    下联: 不 染 尘 嚣 去 修 身 养 性 修 善 果 我 悟 禅 机上联: 千 篇 一 律 无 新 意    下联: 万 古 千 秋 有 古 风上联: 法 乃 国 纲 行 廉 反 腐 一 身 胆  下联: 德 为 民 本 治 国 安 邦 两 袖 风上联: 书 中 便 晓 人 间 事  下联: 笔 下 方 知 世 上 情上联: 坐 拥 湖 山 淡 看 利 名 鹤 子 梅 妻 仙 是 我  下联: 卧 听 风 月 闲 听 风 雨 松 风 竹 韵 月 为 邻上联: 寂 寞 溪 边 客  下联: 相 思 陌 上 人上联: 湖 中 玉 镜 邀 明 月  下联: 岭 上 青 山 伴 夕 阳上联: 两 井 水 何 奇 活 人 济 世 苍 天 鉴    下联: 九 州 山 不 老 壮 志 凌 云 白 鹤 飞上联: 拾 级 上 天 都 赏 景 健 身 臂 展 青 松 迎 奥 运  下联: 登 峰 登 绝 顶 登 高 极 目 胸 怀 赤 县 展 雄 风上联: 三 门 组 稿 紫 燕 编 排 采 撷 春 光 镶 版 面    下联: 四 海 蜚 声 金 鸡 报 晓 迎 来 喜 气 满 人 间上联: 窑 火 旺 千 秋 光 耀 中 华 美 誉 长 随 丝 路 远    下联: 城 乡 兴 百 业 兴 隆 大 业 宏 图 大 展 画 图 新上联: 竹 篙 桂 楫 飞 如 箭    下联: 铢 襻 香 腰 巧 似 珠上联: 新 岁 新 景 新 气 象  下联: 好 风 好 雨 好 风 光上联: 促 寿    下联: 延 年上联: 青 春 无 价 没 人 卖    下联: 岁 月 有 情 有 酒 浇上联: 知 我 法 随 缘 不 生 执 念  下联: 悟 禅 心 自 悟 即 是 修 行上联: 墨 笔 狂 书 龙 飞 凤 舞 出 神 韵  下联: 联 花 怒 放 蝶 舞 蜂 飞 入 画 图上联: 茂 星 环 月 天 重 笑  下联: 明 月 清 风 夜 未 央上联: 一 片 春 云 凝 紫 气  下联: 满 园 秋 色 染 红 霞上联: 葡 萄 架 下 斟 新 酒  下联: 橄 榄 枝 头 唱 大 风上联: 清 江 一 盏 多 情 月  下联: 明 月 千 秋 有 意 人上联: 贺 新 春 换 新 居 心 花 怒 放    下联: 迎 盛 世 兴 骏 业 骏 业 兴 隆上联: 股 逢 牛 市 套 方 解    下联: 脚 踏 马 鞍 车 上 行上联: 死 生 今 忽 异  下联: 死 死 自 生 悲上联: 云 锁 山 门 关 俗 客  下联: 月 临 水 榭 洗 尘 心上联: 花 香 难 果 腹  下联: 月 色 不 关 心上联: 淡 了 红 尘 淡 了 往 事 我 心 谁 洗    下联: 抛 开 俗 念 抛 却 尘 缘 梦 幻 我 来上联: 平 安 竹 报 全 家 庆    下联: 幸 福 花 开 满 院 春上联: 盛 世 添 筹 娱 晚 景  下联: 高 山 流 水 遇 知 音上联: 纵 览 古 今 中 外 千 年 史  下联: 纵 观 天 地 人 间 一 片 天上联: 润 物 滋 春 甘 作 雨  下联: 修 身 养 性 乐 为 天上联: 苦 口 婆 心 是 佛    下联: 清 风 明 月 为 人上联: 长 大 知 才 须 有 用    下联: 少 年 学 问 要 无 求上联: 及 此 春 初 因 时 游 目    下联: 与 时 俱 进 自 有 知 音上联: 求 真 务 实 锤 炼 工 匠 精 神 助 力 调 转 促    下联: 利 国 利 民 利 民 家 庭 幸 福 安 居 乐 升 平上联: 日 丽 鲜 花 含 淑 气  下联: 风 和 紫 燕 舞 春 风上联: 时 时 灵 气 时 时 趣  下联: 处 处 风 情 处 处 春上联: 鹏 起 抗 英 捐 热 血  下联: 龙 腾 盛 世 展 雄 风上联: 眼 皮 打 架 不 如 去  下联: 眉 眼 看 穿 无 奈 何上联: 拜 佛 许 下 千 钧 愿  下联: 读 书 读 书 一 卷 书上联: 乐 有 诗 书 墙 上 挂  下联: 乐 无 日 月 水 中 捞上联: 清 廉 简 约 护 州 政  下联: 正 气 清 廉 民 族 魂上联: 钟 高 密 地 灵 官 居 著 作  下联: 鼓 高 高 天 地 帝 业 传 承上联: 野 火 烧 不 尽  下联: 春 风 吹 得 来上联: 杯 水 可 容 天 上 月  下联: 春 风 不 度 世 间 花上联: 宝 鸡 报 晓 十 五 年 看 创 新 绘 出 和 谐 画  下联: 金 凤 朝 阳 万 千 里 喜 发 展 绘 成 富 裕 图上联: 生 日 星 光 晃 晃    下联: 死 年 月 色 朦 胧上联: 香 雪 无 声 自 好 色    下联: 春 风 有 意 总 关 情上联: 上 海 自 来 水 来 自 海 上  下联: 南 山 东 阿 阿 阿 阿 胶 胶上联: 立 志 增 才 饱 含 昌 珏 千 滴 汗  下联: 修 身 致 富 勤 奋 骅 骝 一 片 天上联: 今 生 缘 尽 无 相 欠  下联: 来 世 相 逢 不 再 来上联: 螺 尖 蚌 扁 鳖 甲 圆 满 盘 皆 壳  下联: 凤 尾 凰 雏 凤 翅 飞 一 翅 齐 毛上联: 未 把 萤 虫 当 蜡 烛  下联: 常 将 雁 字 作 文 章上联: 得 意 春 风 莫 忘 我  下联: 无 心 明 月 不 知 年上联: 长 天 待 我 舒 鹏 翼  下联: 大 地 回 春 入 马 蹄上联: 凭 栏 望 月 佳 人 泪 尽 关 山 远  下联: 把 酒 临 风 故 友 情 深 岁 月 长上联: 秋 翻 枫 页 谁 为 画  下联: 月 落 荷 塘 我 作 诗上联: 一 夜 春 风 千 岭 翠  下联: 满 山 秋 色 满 山 红上联: 泄 柳    下联: 舂 薪上联: 周 报 传 八 卦    下联: 文 章 耀 九 州上联: 一 亭 风 月 冷  下联: 两 岸 水 云 闲上联: 桃 红 残 雪 尽  下联: 柳 绿 暖 风 来上联: 江 清 随 月 老  下联: 海 阔 任 风 狂上联: 千 秋 扬 正 气  下联: 万 里 荡 春 风上联: 一 亭 风 雨 过  下联: 千 古 古 今 传上联: 科 技 兴 邦 旧 岁 已 添 三 道 喜  下联: 勤 劳 致 富 新 年 更 上 一 层 楼上联: 年 来 惆 怅 还 依 旧  下联: 风 过 泸 州 带 酒 香上联: 一 叶 归 帆 天 际 远  下联: 千 帆 破 浪 水 中 央上联: 道 德 文 章 都 入 理  下联: 文 章 笔 墨 总 关 情上联: 一 宵 大 雨 蛙 声 乱  下联: 半 夜 清 风 燕 影 斜上联: 叽 哩 咕 噜 怪 话    下联: 汪 汪 汪 汪 真 情上联: 细 雨 梦 回 鸡 塞 远    下联: 春 风 春 暖 马 蹄 香上联: 春 风 不 解 花 间 语  下联: 明 月 难 知 梦 里 人上联: 上 下 五 千 年 龙 族 问 天 华 夏 煌 煌 谁 肇 造    下联: 纵 横 八 万 里 人 文 蔚 起 神 州 熠 熠 我 争 先上联: 先 锋 奋 击 除 倭 寇    下联: 大 业 宏 开 振 国 威上联: 龙 荣 半 世 千 秋 贵  下联: 蛇 舞 三 春 万 里 香上联: 解 粽 筵 开 老 翁 半 日 斟 蒲 酒  下联: 寻 梅 酒 醉 稚 子 一 庭 摘 菊 诗上联: 门 迎 紫 气 铺 天 福  下联: 户 纳 春 风 入 画 图上联: 云 开 雾 散    下联: 电 闪 雷 鸣上联: 藏 书 集 画 展 艺 施 才 巧 手 掀 开 新 世 界    下联: 泼 墨 挥 毫 挥 毫 泼 墨 丹 心 写 就 大 文 章上联: 浮 云 窥 海 月  下联: 明 月 照 天 心上联: 寸 阴 宁 越 度  下联: 寸 草 不 争 荣上联: 莫 让 光 阴 如 水 逝  下联: 休 将 岁 月 似 风 流上联: 水 秀 山 青 花 容 月 貌    下联: 花 香 鸟 语 鸟 语 花 香上联: 我 劝 天 公 重 抖 擞    下联: 谁 怜 月 老 再 团 圆上联: 日 序 班 头 如 候 补  下联: 春 风 拂 面 似 花 开上联: 喜 逢 盛 世 频 增 寿  下联: 欢 庆 新 年 喜 报 春上联: 玉 笛 约 春 峰 染 翠  下联: 金 樽 邀 月 酒 飘 香上联: 云 梦 八 千 里  下联: 风 情 一 万 年上联: 圣 代 即 今 多 雨 露  下联: 名 山 何 处 有 烟 霞上联: 花 影 云 拖 地  下联: 月 光 月 照 天上联: 家 中 自 有 春 秋 韵  下联: 笔 下 常 留 岁 月 痕上联: 乌 有    下联: 黄 无上联: 心 头 苇 荡 笔 底 牧 歌 风 华 十 秩 弘 联 韵    下联: 笔 下 风 流 笔 端 墨 韵 锦 绣 千 秋 绘 画 图上联: 欲 静 憎 蝉 噪  下联: 方 知 喜 鹊 鸣上联: 春 信 千 家 传 紫 燕  下联: 花 香 万 里 绽 红 花上联: 槐 花 落 尽 无 心 事  下联: 柳 絮 飞 空 有 意 思上联: 赏 松 风 格 学 竹 虚 心 藏 梅 傲 骨 真 君 子  下联: 敬 业 精 神 培 桃 育 李 继 往 开 来 大 丈 夫上联: 涑 水 欢 歌 桃 醉 杜 康 三 千 岁 月    下联: 瑶 山 焕 彩 燕 飞 燕 赵 一 派 春 光上联: 欲 穷 千 里 宏 观 目    下联: 不 负 一 生 大 爱 心上联: 饮 酒 花 间 酒 散 花 间 花 亦 醉  下联: 吟 诗 月 下 风 流 月 下 月 犹 寒上联: 磊 成 三 块 石  下联: 风 过 一 重 山上联: 栉 风 沐 雨 人 生 路  下联: 戴 月 披 星 世 界 观上联: 山 中 宰 相 南 朝 典  下联: 门 外 仙 人 北 国 风上联: 前 浪 陈 江 缺 后 浪  下联: 高 山 流 水 遇 知 音上联: 心 能 转 物    下联: 志 可 凌 云上联: 古 狗  下联: 新 人上联: 姥 姥  下联: 公 公上联: 书 中 自 出 千 钟 粟 取 之 有 道    下联: 笔 下 难 求 万 卷 书 得 者 无 忧上联: 桃 红 李 白 妃 子 醉  下联: 柳 绿 花 红 美 人 娇上联: 对 月 梳 妆 青 丝 钩 角 挂  下联: 临 风 把 盏 红 袖 画 眉 开上联: 信 手 拈 来 神 笔 已 臻 诗 境 妙  下联: 随 心 放 下 神 州 更 上 画 堂 高上联: 一 杯 相 送 花 辞 去  下联: 两 袖 清 风 月 照 来上联: 无 缝 对 接 华 阳 喜 逢 日 月 同 辉    下联: 万 象 更 新 大 地 春 到 春 夏 秋 冬上联: 先 声 传 喜 讯 有 幸 居 楼 多 年 愿 望 一 朝 遂  下联: 大 业 展 宏 图 无 忧 处 世 万 里 欣 逢 百 业 兴上联: 岩 乃 山 下 石    下联: 山 如 水 中 山上联: 廉 启 新 章 正 气 敢 教 风 气 爽  下联: 德 扬 正 气 清 风 不 让 党 旗 红上联: 风 定 秋 千 闲 卧 月  下联: 月 明 夜 半 静 敲 诗上联: 笔 有 深 情 耕 月 夜  下联: 心 无 俗 虑 洗 尘 心上联: 端 午 万 村 包 粽 子  下联: 元 宵 一 夜 挂 灯 花上联: 花 落 一 窗 诗 串 起  下联: 月 圆 半 夜 梦 随 来上联: 刘 剑 胆  下联: 李 文 心上联: 口 齿 不 清 常 跑 调  下联: 嘴 巴 巴 肉 好 揩 油上联: 鸟 语 花 香 有 声 有 色 三 春 景  下联: 花 香 鸟 语 无 语 无 声 四 季 歌上联: 一 对 手 纹 启 一 宗 始 祖  下联: 两 行 文 字 传 万 代 宗 师上联: 伏 枥 雄 心 在  下联: 扬 鞭 壮 志 坚上联: 云 边 路 绕 秋 山 色  下联: 月 下 花 开 春 水 香上联: 星 淡 月 明 天 气 派  下联: 风 和 日 丽 地 精 神上联: 翠 竹 黄 花 皆 佛 性  下联: 清 风 明 月 是 禅 心上联: 按 经 济 规 律 发 展 经 济  下联: 以 经 济 经 济 和 谐 社 会上联: 寒 梅 已 作 东 风 信  下联: 明 月 还 为 北 斗 星上联: 大 火 焚 林 真 够 呛  下联: 小 桥 流 水 不 糊 涂上联: 星 斗 满 天 无 月 亮  下联: 春 风 遍 地 有 花 香上联: 依 诗 咏 对 须 遵 格  下联: 对 酒 当 歌 不 厌 烦上联: 林 间 鸟 奏 笙 簧 月  下联: 陌 上 花 开 蝶 恋 花上联: 济 世 良 方 除 病 患  下联: 修 身 正 道 济 民 生上联: 锐 气 千 年 盈 北 海  下联: 雄 心 万 里 壮 南 疆上联: 寨 外 涓 溪 流 我 泪  下联: 门 前 紫 燕 舞 春 风上联: 风 一 动 千 般 变 化  下联: 月 半 轮 万 里 乾 坤上联: 青 山 昨 夜 风 吹 过  下联: 碧 水 今 宵 月 照 来上联: 作 后 学 津 梁 藜 照 年 年 旧 梦 未 抛 天 禄 阁    下联: 为 先 生 典 范 读 书 代 代 高 风 不 负 栋 梁 材上联: 闲 云 拂 岫 时 舒 展    下联: 明 月 临 窗 每 觊 觎上联: 挥 笔 如 剑 倚 麓 山 豪 气 干 云 揽 月 去    下联: 挥 毫 似 刀 挥 铁 马 豪 情 壮 志 踏 云 来上联: 执 镫 引 缰 扶 农 跃 上 千 里 马    下联: 乘 风 破 浪 破 浪 冲 开 一 片 天上联: 桃 呈 福 寿 李 呈 喜  下联: 梅 吐 芬 芳 李 贺 春上联: 应 虎 步 春 声 和 风 带 雨 谁 施 泽    下联: 为 龙 腾 盛 世 盛 世 扬 帆 我 领 航上联: 独 览 群 峰 高 低 不 论 皆 平 视    下联: 常 思 大 道 远 近 无 争 尽 远 观上联: 塔 影 梅 香 山 色 千 般 秀  下联: 山 光 水 色 湖 光 万 里 春上联: 春 雨 依 然 有 意 绿  下联: 桃 花 依 旧 笑 颜 红上联: 双 龙 曾 献 瑞  下联: 百 鸟 不 争 春上联: 表 面    下联: 开 心上联: 业 内 富 者 者 又 者 者 者 富 者    下联: 家 中 家 家 家 家 家 家 家 家 家上联: 心 为 业 本    下联: 德 是 人 才上联: 扇 转 非 为 己    下联: 杯 空 不 是 人上联: 云 石 足 勾 留 稔 知 清 气 源 山 野    下联: 江 山 须 造 就 明 察 古 今 论 古 今上联: 卓 荦 岂 共 红 尘 误    下联: 达 人 何 必 白 云 归上联: 民 安 国 泰 三 春 送 暖 三 农 活  下联: 政 善 人 和 万 象 更 新 百 业 兴上联: 睡 前 添 一 笔  下联: 醉 后 醉 三 杯上联: 环 球 通 讯    下联: 大 地 回 春上联: 登 宝 塔 品 中 山 松 醪 庆 贺 民 强 国 富  下联: 登 高 楼 看 大 地 春 色 迎 来 国 泰 民 安上联: 鸟 语 空 山 惊 寂 寞    下联: 花 香 小 院 惹 相 思上联: 生 发 灵 可 医 疗 毛 病    下联: 死 生 命 能 医 疗 病 灾上联: 对 连 错    下联: 联 对 联上联: 松 下 下 棋 寻 子 路  下联: 月 中 中 箭 有 嫦 娥上联: 柳 枕 湖 边 鱼 戏 月  下联: 梅 开 岭 上 鸟 争 春上联: 山 色 泉 声 涵 静 照  下联: 松 风 竹 韵 入 清 流上联: 清 明 尘 世 清 明 景  下联: 雨 露 风 情 淡 雅 情上联: 魔 日 逆 天 曾 使 樱 花 泣 血    下联: 春 风 得 意 不 教 柳 絮 伤 心上联: 纵 横 笔 下 三 千 意    下联: 俯 仰 胸 中 万 仞 峰上联: 盛 世 春 临 小 康 在 望 喜 听 农 家 储 百 万  下联: 小 康 福 满 大 有 无 边 欣 看 大 业 耀 千 秋上联: 源 浊 难 见 流 清 水  下联: 望 重 方 知 望 远 山上联: 一 波 情 浪 涌 平 湖  下联: 满 目 春 光 入 画 图上联: 箬 笠 红 尘 外  下联: 瑶 琴 绿 绮 中上联: 望 路 烟 霞 外  下联: 登 山 日 月 中上联: 奇 文 共 欣 赏 偶 尔 重 温 陶 令 句    下联: 佳 句 同 吟 咏 何 须 再 诵 谢 公 诗上联: 花 香 一 盏 收 浓 淡    下联: 月 色 半 窗 照 浅 深上联: 新 月 初 悬 没 线 银 钩 能 钓 海  下联: 清 风 乍 起 无 声 玉 笛 可 吹 箫

参考资料：百度AI Studio高层API助你快速上手深度学习

PaddleNLP_基于seq2seq的对联生成相关推荐

PaddlePaddle高层API，基于seq2seq的对联生成
PaddlePaddle高层API学习笔记与代码实践记录课程链接:https://aistudio.baidu.com/aistudio/course/introduce/6771 对联,是汉族传统 ...
KerasSeq2seqGeneration:基于seq2seq模型的文本生成任务项目
项目的由来 1.分类.抽取.序列标注.生成任务是自然语言处理的四大经典任务,其中,分类.抽取任务,可以使用规则进行快速实现.而对于生成而言,则与统计深度学习关系较为密切. 2.当前,GPT系列,自动文 ...
使用Seq2seq框架搭建对联生成系统
项目简介该项目是基于Seq2Seq框架搭建的对联生成系统.(我的自然语言理解课程作业). 该项目参考了官方给出的代码,并在官方基础上进行改进. 然后我写了个报告,发表在论坛了,直达:我的报告我的贡 ...
基于python nlp PyTorch智能对联生成系统附完整代码毕业设计
软件标题:智能对联生成系统 b 系统概述使用项目:智能对联生成系统软件用途:通过网页端可以获取到根据已有上联只能生成的下联. 开发历史:本项目未曾有前置版本.但在服务器搭建,Tensorflow ...
基于python的问答对联生成系统附完整代码毕业设计
软件标题:智能对联生成系统 b 系统概述使用项目:智能对联生成系统软件用途:通过网页端可以获取到根据已有上联只能生成的下联. 开发历史:本项目未曾有前置版本.但在服务器搭建,Tensorflow ...
NLP实战之基于seq2seq的有约束文本生成
seq2seq构建写对联AI 问题背景介绍对联又称对子,对仗工整,平仄协调,是一字一音的汉文语言独特的艺术形式,是中国传统文化瑰宝.对联的上下联有着非常工整的对应关系,我们可以尝试使用神经网络学习对 ...
揭秘阿里小蜜：基于检索模型和生成模型相结合的聊天引擎 | PaperDaily #25
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...
基于Seq2Seq的GRU时间序列预测Python程序
基于Sequence-2-Sequence,Encoder-Decoder(编码-解码)的GRU预测模型特色:1.单变量,多变量输入,自由切换 2.单步预测,多步预测,自动切换 ...
基于Seq2Seq的问答系统/聊天机器人
前几篇博客介绍了基于检索聊天机器人的实现.seq2seq的模型和代码,本篇博客将从头实现一个基于seq2seq的聊天机器人.这样,在强化学习和记忆模型出现之前的对话系统中的模型就差不多介绍完了.后续将 ...

PaddleNLP_基于seq2seq的对联生成

知识点回顾

背景知识

基本原理

代码实战

数据部分

数据集介绍

加载数据集

构造dataloder

模型部分

定义Encoder

定义Decoder

定义AttentionLayer

定义Seq2SeqDecoderCell

定义Seq2SeqDecoder

构建主网络Seq2SeqAttnModel

定义损失函数

执行过程

训练过程

模型预测

定义预测网络Seq2SeqAttnInferModel

解码部分

PaddleNLP_基于seq2seq的对联生成相关推荐

最新文章

热门文章