46 lines
2.2 KiB
Markdown
46 lines
2.2 KiB
Markdown
# 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. |