basharin_sevastyan_lab_7 is ready

basharin_sevastyan_lab_7/README.md

@@ -0,0 +1,21 @@
+## Лабораторная работа 7. Вариант 5.
+### Задание 
+Выбрать художественный текст(четные варианты –русскоязычный, нечетные –англоязычный)и обучить на нем рекуррентную 
+нейронную сеть для решения задачи генерации. Подобрать архитектуру и параметры так, чтобы приблизиться к максимально 
+осмысленному результату.
+
+В завершении подобрать компромиссную архитектуру, справляющуюся достаточно хорошо с обоими видами текстов.
+
+### Ход работы
+Для английской модели был взят пролог Властелина колец. Модель хоть им получилась удачнее, чем на русском, но время 
+обучение составило чуть больше часа.
+
+#### Результат rus
+здесь был человек прежде всего всего обманывает самого себя ибо он думает что успешно соврал а люди поняли и из 
+деликатности промолчали промолчали промолчали промолчали промолчали какие его неудачи могут его постигнуть не тому 
+помочь много ли людей не нуждаются в помощи помощи было врать врать врать молчания молчания а внести то
+
+#### Результат eng
+the harfoots were browner of skin smaller and shorter and they were beardless and bootless their hands and feet were 
+neat and nimble and they preferred highlands and hillsides the stoors were broader heavier in build their feet and 
+hands were larger and they preferred flat lands and riversides

basharin_sevastyan_lab_7/main.py

@@ -1,16 +1,17 @@
-import torch
+import numpy as np
-import torch.nn as nn
+from keras.preprocessing.sequence import pad_sequences
-import tensorflow as tf
+from keras.preprocessing.text import Tokenizer
 from keras.models import Sequential
 from keras.layers import Embedding, LSTM, Dense
+from keras.utils import to_categorical
 
-with open('69209.txt', "r") as file:
+with open('ru.txt', "r", encoding='utf-8') as file:
     text = file.read()
 
 # Предварительная обработка текста (в зависимости от вашей задачи)
 
 # Создание словаря для отображения слов в индексы и обратно
-tokenizer = tf.keras.preprocessing.text.Tokenizer()
+tokenizer = Tokenizer()
 tokenizer.fit_on_texts([text])
 total_words = len(tokenizer.word_index) + 1
 
@@ -24,9 +25,9 @@ for line in text.split('\n'):
         input_sequences.append(n_gram_sequence)
 
 max_sequence_length = max([len(x) for x in input_sequences])
-input_sequences = tf.keras.preprocessing.sequence.pad_sequences(input_sequences, maxlen=max_sequence_length, padding='pre')
+input_sequences = pad_sequences(input_sequences, maxlen=max_sequence_length, padding='pre')
 X, y = input_sequences[:,:-1],input_sequences[:,-1]
-y = tf.keras.utils.to_categorical(y, num_classes=total_words)
+y = to_categorical(y, num_classes=total_words)
 
 # Определение архитектуры модели
 
@@ -45,16 +46,15 @@ model.fit(X, y, epochs=100, verbose=2)
 
 # Генерация текста с использованием обученной модели
 
-def generate_text(seed_text, next_words, model, max_sequence_length):
+def generate_text(seed_text, next_words, model_, max_sequence_length):
     for _ in range(next_words):
         token_list = tokenizer.texts_to_sequences([seed_text])[0]
-        token_list = tf.keras.preprocessing.sequence.pad_sequences([token_list], maxlen=max_sequence_length - 1,
+        token_list = pad_sequences([token_list], maxlen=max_sequence_length - 1, padding='pre')
-                                                                   padding='pre')
+        predicted_probs = model.predict(token_list, verbose=0)[0]
-        predicted = model.predict_classes(token_list, verbose=0)
+        predicted_index = np.argmax(predicted_probs)
-
         output_word = ""
         for word, index in tokenizer.word_index.items():
-            if index == predicted:
+            if index == predicted_index:
                 output_word = word
                 break
         seed_text += " " + output_word
@@ -63,7 +63,7 @@ def generate_text(seed_text, next_words, model, max_sequence_length):
 
 
 # Пример генерации текста (замените seed_text и next_words на свои значения)
-seed_text = "your seed text here"
+seed_text = "здесь был"
 next_words = 50
 generated_text = generate_text(seed_text, next_words, model, max_sequence_length)
 

basharin_sevastyan_lab_7/ru.txt

@@ -0,0 +1,9 @@
+Когда человек сознательно или интуитивно выбирает себе в жизни какую-то цель, жизненную задачу, он невольно дает себе оценку. По тому, ради чего человек живет, можно судить и о его самооценке - низкой или высокой.
+Если человек живет, чтобы приносить людям добро, облегчать их страдания, давать людям радость, то он оценивает себя на уровне этой своей человечности. Он ставит себе цель, достойную человека.
+Только такая цель позволяет человеку прожить свою жизнь с достоинством и получить настоящую радость. Да, радость! Подумайте: если человек ставит себе задачей увеличивать в жизни добро, приносить людям счастье, какие неудачи могут его постигнуть? Не тому помочь? Но много ли людей не нуждаются в помощи?
+Если жить только для себя, своими мелкими заботами о собственном благополучии, то от прожитого не останется и следа. Если же жить для других, то другие сберегут то, чему служил, чему отдавал силы.
+Можно по-разному определять цель своего существования, но цель должна быть. Надо иметь и принципы в жизни. Одно правило в жизни должно быть у каждого человека, в его цели жизни, в его принципах жизни, в его поведении: надо прожить жизнь с достоинством, чтобы не стыдно было вспоминать.
+Достоинство требует доброты, великодушия, умения не быть эгоистом, быть правдивым, хорошим другом, находить радость в помощи другим.
+Ради достоинства жизни надо уметь отказываться от мелких удовольствий и немалых тоже… Уметь извиняться, признавать перед другими ошибку - лучше, чем врать.
+Обманывая, человек прежде всего обманывает самого себя, ибо он думает, что успешно соврал, а люди поняли и из деликатности промолчали.
+Жизнь - прежде всего творчество, но это не значит, что каждый человек, чтобы жить, должен родиться художником, балериной или ученым. Можно творить просто добрую атмосферу вокруг себя. Человек может принести с собой атмосферу подозрительности, какого-то тягостного молчания, а может внести сразу радость, свет. Вот это и есть творчество.