### Вариант 9
### Задание на лабораторную работу:
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. 
Далее разбиться на пары четный-нечетный 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.
### Как запустить лабораторную работу:
Выполняем файл gusev_vladislav_lab_7.py, решение будет в консоли.

### Технологии
Keras - это библиотека для Python, позволяющая легко и быстро создавать нейронные сети.
NumPy - библиотека для работы с многомерными массивами.

### По коду
1) Читаем файл с текстом
2) Создаем объект tokenizer для превращение текста в числа для нейронной сети.
3) Создаем модель нейронной сети с следующими аргументами:

- Embedding - это слой, который обычно используется для векторного представления категориальных данных, таких как слова или символы. Он позволяет нейронной сети изучать эмбеддинги, то есть отображение слов (или символов) в вектора низкой размерности. Это позволяет сети понимать семантические отношения между словами.
- LSTM - это слой, представляющий собой рекуррентный нейрон, который способен учитывать зависимости в последовательных данных. Он хорошо подходит для обработки последовательных данных, таких как текст.
- Dense - это полносвязный слой, который принимает входные данные и применяет весовые коэффициенты к ним. Этот слой часто используется в конце нейронных сетей для решения задачи классификации или регрессии.

4) Обучаем модель на 100 эпохах (итерациях по данным) и генерируем текст.



![img.png](img.png)
Английский 100 эпох
![img_1.png](img_1.png)

![img_3.png](img_3.png)
Русский 100 эпох
![img_2.png](img_2.png)
Русский 17 эпох
![img_4.png](img_4.png)
### По консоли
- Английский текст генерировался на 100 эпохах, начало получилось осмысленным, но чем ближе к концу тем хуже.
- Русский текст также генерировался на 100 эпохах, с многочисленными ошибками в словах. Русский текст,сгенерированный на 17 эпохах по ошибкам в словах оказался лучше, но всё равно не идеально.