# Лабораторная работа №7

## Рекуррентная нейронная сеть и задача генерации текста

#### ПИбд-41 Арзамаскина Милана
#### Вариант №2

### Какие технологии использовались:

Используемые библиотеки:
* numpy
* keras
* tensorflow

### Как запустить:

* установить python, numpy, keras, tensorflow
* запустить проект (стартовая точка - main.py)

### Что делает программа:

На основе выбранных художественных текстов происходит обучение рекуррентной нейронной сети для решения задачи генерации.
Необходимо подобрать архитектуру и параметры так, чтобы приблизиться к максимально осмысленному результату.

* Читает текст из файлов (english.txt, russian.txt)
* Получает входные, выходные данные (X, y), размер словаря и токенайзер. Используем Tokenizer с настройкой char_level=True
* Создаёт объект Sequential (последовательная рекуррентная нейронная сеть) и добавление двух слоёв LSTM. Dropout — это метод регуляризации для нейронных сетей и моделей глубокого обучения, решение проблемы переобучения. Слой Dense с функцией активации softmax используется для предсказания следующего слова
* Компилирует модель
* Обучает модель
* Генерирует текст


#### Сгенерированные тексты:

Генерация на русском языке:

![Result](img1.png)

Генерация на английском языке:

![Result](img2.png)


### Вывод:

Программа способна сгенерировать осмысленный текст в каждом из случаев.