2.2 KiB
2.2 KiB
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:
Генерация на английском языке:
Вывод:
Программа способна сгенерировать осмысленный текст в каждом из случаев.