深度学习项目一: keras实现歌词的自动生成 (含数据和所需源码)
数据集下载:点我下载数据集
我们实现的是歌词的自动生成。 主要看我在代码中的注释。。注释的很详细,不懂可以留言。
1:我们加载所需要的模块,这里的模块都是比较常用的模块
from keras.models import Sequential
from keras.layers import Dense, LSTM, Embedding
from keras.callbacks import LambdaCallback
import numpy as np
import random
import sys
import pickle
2:加载数据集,整理汉字和id之间的映射。从我们的txt文件中读取歌词,每一行是一首歌,因为我们的部分歌中含有应为,我们这里也做一个小小的处理,那就是将英文占比比较大的歌扔掉不用。 见下面代码,并给处理了详细的注释:
# 加载数据 整理字和id之间的映射
sentences = []
with open('lyrics.txt', 'r', encoding='utf8') as fr:lines = fr.readlines()for line in lines:line = line.strip()count = 0# 取出英文过多的歌词for c in line: # 统计一周歌中英文字母占得个数if (c >= 'a' and c <= 'z') or (c >= 'A' and c <= 'Z'):count += 1if count / len(line) < 0.1: # 若占比小于0.1则 说明英文少,这首歌就加入到我们的列表中sentences.append(line)
print('共%d首歌' % len(sentences))
输出是: 共36616首歌
3:整理汉字与需要的映射关系,并存到本地,因为我们把模型训练好了,拿到其他地方运行,这个映射是不能少的
# 整理汉字和数字的映射
chars = {}
for sentence in sentences:for c in sentence:chars[c] = chars.get(c, 0) + 1 # 这里是字典的一个基础知识,不懂百度
chars = sorted(chars.items(), key=lambda x: x[1], reverse=True) # 按词频进行排序
chars = [char[0] for char in chars]
vocab_size = len(chars) # 总共的汉字数
print('共%d个字' % vocab_size, chars[:20])char2id = {c: i for i, c in enumerate(chars)}
id2char = {i: c for i, c in enumerate(chars)}with open('dictionary.pkl', 'wb') as fw:pickle.dump([char2id, id2char], fw) # 把这两个字典扔进pkl中去
输出: 共10131个字 [' ', '的', '我', '你', '不', '一', '是', '在', '有', '了', '人', '爱', '心', '天', ',', '想', '过', '着', '这', '。']
4: 接下来,是整理我们的输入数据以及对应的输出,我们这里是输入10个词,取预测第11个词。接着往后走三个,接着取十个词,预测第11个,这样就生成了一大批样本。。见下图:
我们就这样生成了好多样本,一个输入对应一个输出。。
maxlen = 10 # 每隔10取一个词
step = 3 # 取一段序列,然后往后面移动三格,再进行取
vocab_size = len(chars) # 总共含有的汉字个数X_data = []
Y_data = []
for sentence in sentences:for i in range(0, len(sentence) - maxlen, step):# 取前10个字X_data.append([char2id[c] for c in sentence[i: i + maxlen]])# 预测第11个字 预测的词用one_hot编码来表示y = np.zeros(vocab_size, dtype=np.bool)# 这里就是去除第11个词 然后找出对应的id 在id那个位置标记为1,表示这个词的存在y[char2id[sentence[i + maxlen]]] = 1 # 用one_hot编码表示一个词的存在Y_data.append(y)X_data = np.array(X_data) # X_data中每条数据的长度都是10
Y_data = np.array(Y_data) # Y_data中每条数据是一个稀疏向量。几万维,只是在对应位置取1
print(X_data[:2])
print(X_data.shape, Y_data.shape) # 输出数据的形状
5:接下来,我们定义模型,这里我们首先接一个Embedding,就是将输入的向量中每个词转为 128维的向量,具体原理,参考下这篇博客:https://blog.csdn.net/jiangpeng59/article/details/77533309
# 模型中所需要的一些参数
embed_size = 128
hidden_size = 128
batch_size = 64
epochs = 20# 定义模型
# input_dim:大或等于0的整数,字典长度,即输入数据最大下标+1 是embedding层的一些参数 embed_size就是要将最后的一个汉字映射到多少维的向量
# output_dim:大于0的整数,代表全连接嵌入的维度
model = Sequential()
model.add(Embedding(input_dim=vocab_size, output_dim=embed_size, input_length=maxlen))
model.add(LSTM(hidden_size, input_shape=(maxlen, embed_size))) # 经过embedding 我们的输入数据变为(max_len, embed_size)
model.add(Dense(vocab_size, activation='softmax')) # 经过上面的LSTM 我们再连接个Dense 预测的是下一个是所有词的概率。
model.compile(loss='categorical_crossentropy', optimizer='adam')
6:我们模型最后输出的是所有词作为下一个词的概率,我们不能单纯的取概率最大,我们这里给一个权重,让其多样性
def sample(preds, diversity=1.0):preds = np.asarray(preds).astype('float64') # 得到当前预测的概率,我们不能单纯认为下一个词是概率最大的那个,要加个多样性 preds = np.log(preds + 1e-10) / diversity # 怎样实现多样性,它就是把概率稍加变动,再加个diversityexp_preds = np.exp(preds)preds = exp_preds / np.sum(exp_preds) # 每一个单词期望的概率 / 总的期望概率 才代表当前词的概率probas = np.random.multinomial(1, preds, 1) # return np.argmax(probas) # 经过一系列处理后 找出概率大的
7: 定义一个回调函数,就是让模型每次训练完一轮后,试着去生成一段序列,看看是什么样子
# 定义每次训练结束后的回调函数,也就是根据当前训练 试着去生成一段文本
def on_epoch_end(epoch, logs):print('-' * 30)print('Epoch', epoch)index = random.randint(0, len(sentences)) # 从我们的句子中随机选取一个字for diversity in [0.2, 0.5, 1.0]: # 给几种不同的多样性权重。。越小可能对概率高的汉字越不利print('----- diversity:', diversity)sentence = sentences[index][:maxlen] # 选出某个句子的前十个字 也就是给了起始文本print('----- Generating with seed: ' + sentence) sys.stdout.write(sentence) for i in range(400): x_pred = np.zeros((1, maxlen))for t, char in enumerate(sentence):x_pred[0, t] = char2id[char] # 将我们刚才生成的种子转换为对应的idpreds = model.predict(x_pred, verbose=0)[0] # 预测概率 这里面还有损失,因为我们只需要概率,所以这里最后加了个[0]next_index = sample(preds, diversity) # 讲概率传进我们的函数中,得到下一个汉字next_char = id2char[next_index] # 将预测的id转为它对应的汉字sentence = sentence[1:] + next_char # 构造下一个输入 sys.stdout.write(next_char) # 后面逐个词进行写入sys.stdout.flush()
8:训练模型并保存
# 训练并保存模型
model.fit(X_data, Y_data, batch_size=batch_size, epochs=epochs, callbacks=[LambdaCallback(on_epoch_end=on_epoch_end)])
model.save('song_keras.h5')
9:模型训练好,我们试着调用一下以训练好的模型,让其生成文本
from keras.models import load_model
import numpy as np
import pickle
import sysmaxlen = 10
model = load_model('song_keras.h5')with open('dictionary.pkl', 'rb') as fr:[char2id, id2char] = pickle.load(fr)def sample(preds, diversity=1.0):preds = np.asarray(preds).astype('float64')preds = np.log(preds + 1e-10) / diversityexp_preds = np.exp(preds)preds = exp_preds / np.sum(exp_preds)probas = np.random.multinomial(1, preds, 1)return np.argmax(probas)sentence = '只剩下钢琴被我弹了一天'
sentence = sentence[:maxlen]diversity = 1.0
print('----- Generating with seed: ' + sentence)
print('----- diversity:', diversity)
sys.stdout.write(sentence)for i in range(400):x_pred = np.zeros((1, maxlen))for t, char in enumerate(sentence):x_pred[0, t] = char2id[char]preds = model.predict(x_pred, verbose=0)[0]next_index = sample(preds, diversity)next_char = id2char[next_index]sentence = sentence[1:] + next_charsys.stdout.write(next_char)sys.stdout.flush()
最后的输出:
只剩下钢琴被我弹了一曲表演 失去故事的存在重叠入襟 要不是孩子们流浪 谁能放下好吧气 不是因为我不怕孤单 不习惯习惯睡发 街景屠水的泛泛 清流旧枝既渺重交可斟学 时光间两千男生好情可以筹码 又不是不知无限 我感到喧闹太阳下 回来就匆匆忘了 然后觉悟我 至少 我不说说诉 也许我会 甚麽不要分手 爱是寂寞的执着 用我感情谱生音 轻吻着梦的人生瞬间 天高后回想到最后一切 啊 旁条 逛来驾 静静等个黎明我俩如才能够我的承认 孤星和爱更东西 为何落力不怕你出现 生命已给我 夜雨冰凉,你要离我一直跳,在此刻很轻,温茶又笑清似断肠。 独立平庭一直;。 何以朽,因果师岭名掘互相。。 所有 我知道有人会美丽 不肯等 喔喔喔喔 令你救我 爱不爱 却在未了只能说 我不会说的 天未要准新心都是接认会得到爆倍 不介意 脚丫口巧腰都没有 多想关于我们哪个哪有起来的模样 我只好兴奋 我在一起 春天初绽回遨游 过处沙红表远
深度学习项目一: keras实现歌词的自动生成 (含数据和所需源码)相关推荐
- 深度学习项目二: 图像的风格迁移和图像的快速风格迁移 (含数据和所需源码)
图像风格迁移是指,将一幅内容图的内容,和一幅或多幅风格图的风格融合在一起,从而生成一些有意思的图片 一:传统的图像风格迁移 为了让我们生成的迁移图在风格上与风格图片尽可能相似,在内容上尽可能与内容图相 ...
- 深度学习项目四: 实现自己的中文分词模型,基于双向的LSTM(含数据和所需源码)
讲一下大概的思路: 数据有训练集(已分词的),词表,测试集(未分词的),测试集(已分词的),总共四个文件夹,具体看下面的截图. 训练集: 词表: 测试集(未分词的) 测试集(已分词的 ...
- 深度学习项目实战——1.基于WordCloud词云生成
深度学习项目实战--1.基于WordCloud词云生成 准备 安装依赖库 pip install wordcloud matplotlib jieba pillow WordCloud()可选的参数 ...
- 人工智能:深度学习算法及应用——简单理解CNN卷积神经网络并python实现(带源码)
深度学习算法及应用 一. 实验目的 二. 实验要求 三. 实验的硬件.软件平台 四. 实验原理 1.1. 深度学习概述 1.2. 深度学习的常见结构 1.3. 卷积神经网络(CNN) **卷积** * ...
- 深度学习实战(1):花的分类任务|附数据集与源码
写在前面: 实验目的:通过建立Alexnet神经网络建立模型并根据训练数据来训练模型 以达到可以将一张花的类别进行分类 Python版本:Python3 IDE:VSCode 系统:MacOS 数据集 ...
- 如何阅读一份深度学习项目代码?
犹豫很久要不要把读代码这个事情专门挑出来写成一篇推文.毕竟读代码嘛,大家可能都会读.而且笔者个人读的和写的代码量也并不足以到指导大家读代码的程度.但笔者还是决定大胆地写一点:就当是给自己设立今后读代码 ...
- 深度学习项目代码阅读建议
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|机器学习实验室 犹豫很久要不要把读代码这个事情专门挑出来写 ...
- 手把手教你从零到一搭建深度学习项目(附PDF下载)
来源:机器之心 作者:Jonathan Hui 本文约14000字,建议阅读10+分钟. 本文将会从第一步开始,告诉你如何解决深度学习项目开发中会遇到的各类问题. 在学习了有关深度学习的理论之后,很多 ...
- 看看数据科学家们都在用什么:Github上的十大深度学习项目
本文作者Matthew May是一位正在进行并行式机器学习算法研究的计算机硕士研究生,同时Matthew也是一位数据挖掘研习者,数据发烧友,热忱的机器学习科学家.开源工具在数据科学工作流中起到了愈发重 ...
最新文章
- HDU6346(最小权值完美匹配)
- 自动驾驶视觉融合-相机校准与激光点云投影
- 肾炎治疗有效方(湿热壅滞三焦,气机不利)
- kubernetes 客户端KubeClient使用及常用api
- 排序算法----桶排序(数组)
- 解读Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (1)
- 驱动人生服务器正在维护,驱动人生驱动更新失败或者设备出现异常的解决方法...
- 全球及中国仿制药产业未来发展走势及营销产量规模预测报告2021-2027年
- PageOffice 5.2 试用版注册使用
- POI 设置Excel单元格背景色(参考颜色代码)
- android7.0 360os,360 OS 2.0评测 安全与体会的全部升级
- BugKu CTF(杂项篇MISC)—啊哒
- (转)当android调试遇到ADB server didn't ACK以及顽固的sjk_daemon进程 .
- CoAP协议学习——CoAP基础
- DIV+CSS网页设计常用布局代码
- 【渝粤教育】 国家开放大学2020年春季 1326社区护理学(本) 参考试题
- 计算机上m键mm代表什么意思,M与MM分别代表什么?What does M and MM stand for?
- 烤仔建工 | 法官失职,狼人屠村?
- 怎样才能关闭百度空间?
- 计算机底层加法/乘法实现
热门文章
- 九上仁爱英语计算机作文,仁爱英语九上英语作文.doc
- 【基础篇】————29、痕迹清理
- Git分布式版本控制系统(上)
- 最多能创建多少个 TCP 连接?
- pandas 读取csv : ‘utf-8‘ codec can‘t decode byte 0xff in position 0: invalid start byte
- 在局域网内开发 虚拟专用网络
- Flutter Weekly Issue 52
- win7c盘空间越来越小_win7系统扩大c盘空间的方法
- 数据结构课程设计之GUI小程序
- 解决sentinel key not found (h0007) Unity