"""
Выбрать художественный текст на языке по варианту и обучить на нём рекуррентную нейронную сеть для решения задачи
генерации. Подобрать архитектуру и параметры так, чтобы приблизиться к максимально осмысленному результату.

Далее разбиться на пары чётный-нечётный вариант, обменяться разработанными сетями и проверить, как архитектура товарища
справляется с вашим текстом.

В завершении подобрать компромиссную архитектуру, справляющуюся достаточно хорошо с обоими видами текстов.
"""


# 12 вариант
# Вариант языка текста: русский
# Художественный текст: Книга "Ф.М. Достоевский — Преступление и наказание"



import os
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout, LSTM
from keras.utils import to_categorical


FILE_NAME = 'belye-nochi.txt'

# Открытие файла
df_text = (open(FILE_NAME, encoding='utf-8').read())



"""""""""""""""""""""""""""""""""
ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ
"""""""""""""""""""""""""""""""""
# Перевод всех символов в нижний регистр для упрощения обучения
df_text = df_text.lower()

# Формирование набора символов на основе текста
characters = sorted(list(set(df_text)))
print("\033[92m\n---> Итого символов: \033[00m", len(characters))

# Сопоставления символов к номеру
char_to_n = {char: n for n, char in enumerate(characters)}

# Массивы
X = [] # обучающий
Y = [] # целевой

# Длина исходного текста
length = len(df_text)
# Длина последовательности символов для предсказания конкретного символа
seq_length = 5

# Перебора полного текста
for i in range(0, length - seq_length, 1):
    sequence = df_text[i:i + seq_length]
    label = df_text[i + seq_length]
    X.append([char_to_n[char] for char in sequence])
    Y.append(char_to_n[label])

# Масштабирование целых чисел в диапазон от 0 до 1 для облегчения изучения шаблонов сетью
X_modified = np.reshape(X, (len(X), seq_length, 1))
X_modified = X_modified / float(len(characters))
Y_modified = to_categorical(Y)



"""""""""""""""""""""
ПОСТРОЕНИЕ МОДЕЛИ
"""""""""""""""""""""
# Инициализация модели
model = Sequential()

# Пополнение модели атрибутами
model.add(LSTM(700, input_shape=(X_modified.shape[1], X_modified.shape[2]), return_sequences=True)) # первый слой на 700 единиц с входной формой
model.add(Dropout(0.2)) # кик нейронов с вероятностью 20%
model.add(LSTM(700, return_sequences=True)) # второй слой на 700 единиц, обрабатывающий те же последовательности
model.add(Dropout(0.2))
model.add(LSTM(700)) # третий слой на 700 единиц
model.add(Dropout(0.2))
model.add(Dense(Y_modified.shape[1], activation='softmax')) # сеть с плотным слоем для вывода символов

# Конфигурация модели с вычислением категориальных потерь кроссэнтропии
model.compile(loss='categorical_crossentropy', optimizer='adam')

# Обучение модели, если сохранённая модель в текущей папке отсутствует
if not os.path.exists('save_text_generator_deeper_model.h5'):
    # Обучение модели на 50 эпохах и 100 обучающих примерах за один проход
    model.fit(X_modified, Y_modified, epochs=50, batch_size=100)
    # Сохранение обученной модели в файл в текущей папке
    model.save_weights('save_text_generator_deeper_model.h5')



"""""""""""""""""""""""""""""""""""""""""""""
Генерация текста
"""""""""""""""""""""""""""""""""""""""""""""
# Загрузка обученной модели с текущей папки
model.load_weights('save_text_generator_deeper_model.h5')
# Сопоставления номеров обратно к символам
n_to_char = dict((i, c) for i, c in enumerate(characters))

# Выбор случайной точки старта в тексте для генерации
start = np.random.randint(0, len(X) - 1)
# Последовательность этой точки
pattern = X[start]

txtxt = "" # строка результата
# сохранение старта в результат
for value in pattern:
    txtxt += n_to_char[value]
print("\033[92m\n---> Точка старта: \033[00m", txtxt)

# Генерация 200 символов
for i in range(200):
    # Масштабирование последовательности символов
    x = np.reshape(pattern, (1, len(pattern), 1))
    x = x / float((len(characters)))
    prediction = model.predict(x, verbose=0) # прогноз вероятностей к каждому символу
    index = np.argmax(prediction) # выбор индекса лучшего по вероятности
    txtxt += n_to_char[index] # запись символа с таким индексом в результат
    # сохранение индекса символа в конечную результирующую последовательность
    pattern.append(index)
    pattern = pattern[1:len(pattern)]

print("\033[92m\n[----------> Результат <----------]\033[00m")
print(txtxt)