Python-利用keras模仿汪峰生成歌词

利用keras模仿汪峰生成歌词，这是一个keras中LSTM的入门实例。

# 此文本用于生成，生成结果会在屏幕上直接输出。
import jieba
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import LSTM embedding
from keras import optimizers
from keras.utils import np_utils
# 使用jieba进行分词
f = open（‘train_data/new_wangfeng.txt‘ ‘r‘）
all_str = f.read（）.replace（‘\n‘ ‘‘）.replace（‘ ‘ ‘‘）  # 去除空格
f.close（）
cut_list = jieba.cut（all_str）
seg_list = []  # 分词后的文本数据
for c in cut_list:
    seg_list.append（c）

# 生成one-hot
vocab = sorted（list（set（seg_list）））
word_to_int = dict（（w i） for i w in enumerate（vocab））
int_to_word = dict（（i w） for i w in enumerate（vocab））

n_words = len（seg_list）  # 总词量
n_vocab = len（vocab）  # 词表长度
print（‘总词汇量：‘ n_words）
print（‘词表长度：‘ n_vocab）

seq_length = 100  # 句子长度
dataX = []
dataY = []
for i in range（0 n_words - seq_length 1）:
    seq_in = seg_list[i:i + seq_length]
    seq_out = seg_list[i + seq_length]
    dataX.append（[word_to_int[word] for word in seq_in]）
    dataY.append（word_to_int[seq_out]）

n_simples = len（dataX）
print（‘样本数量：‘ n_simples）
X = np.reshape（dataX （n_simples seq_length））
y = np_utils.to_categorical（dataY）


# 网络结构
print（‘开始构建网络‘）
model = Sequential（）
model.add（embedding（n_vocab 512 input_length=seq_length））
model.add（LSTM（512 input_shape=（seq_length 512） return_sequences=True））
# model.add（Dropout（0.2））
model.add（LSTM（1024））
# model.add（Dropout（0.2））
model.add（Dense（n_vocab activation=‘softmax‘））
print（‘加载网络‘）
filename = “weights-improvement=26-0.105659.hdf5“
model.load_weights（filename）
adam = optimizers.Adam（lr=0.001 beta_1=0.9 beta_2=0.999 epsilon=1e-08）
model.compile（loss=‘categorical_crossentropy‘ optimizer=adam）

# 生成种子
start = np.random.randint（0 len（dataX） - 1）
pattern = dataX[start]
print（“Seed : “）
print（‘‘.join（[int_to_word[value] for value in pattern]））
n_generation = 400  # 生成的长度
print（‘开始生成，生成长度为‘ n_generation）
finall_result = []
for i in range（n_generation）:
    x = np.reshape（pattern （1 len（pattern）））
    prediction = model.predict（x verbose=0）[0]
    index = np.argmax（prediction）
    result = int_to_word[index]
    # sys.stdout.write（result）
    finall_result.append（result）
    pattern.append（index）
    pattern = pattern[1:len（pattern）]

# print（finall_result）
for i in range（len（finall_result））:
    if finall_result[i] != ‘。‘:
        print（finall_result[i] end=‘‘）
    else:
        print（‘。‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-01-28 03:06  keras_lstm_generation-master\
     文件          66  2018-01-28 03:06  keras_lstm_generation-master\.gitattributes
     文件        1357  2018-01-28 03:06  keras_lstm_generation-master\README.md
     文件        2609  2018-01-28 03:06  keras_lstm_generation-master\generation.py
     文件        2382  2018-01-28 03:06  keras_lstm_generation-master\main.py
     文件      341748  2018-01-28 03:06  keras_lstm_generation-master\result.png
     目录           0  2018-01-28 03:06  keras_lstm_generation-master\train_data\
     文件        6148  2018-01-28 03:06  keras_lstm_generation-master\train_data\.DS_Store
     文件      105725  2018-01-28 03:06  keras_lstm_generation-master\train_data\new_wangfeng.txt
     文件         395  2018-01-28 03:06  keras_lstm_generation-master\train_data\preprocessing.py
     文件       97316  2018-01-28 03:06  keras_lstm_generation-master\train_data\wangfeng.txt