1. 4个python文件只需要动Main.py即可
2. 108行和106行选一取消注释用以train
3. 108行是边train边eval,但是eval会减慢总体速度,可以开始先用这个看看效果随后注释掉108,使用106行train即可(其实机器好直接用108行就行了,主要是比较穷。。。)
4. 108行只train无eval
5. train一段时间后把108和106都注释吊即可,112行是predict,重新运行即可看模型predict结果

1.每120秒会保存一个模型,最多保存5个 2. app.py是一个flask服务 3. temp.txt是在开启flask服务器起作用的,其实就是把前端传来的上联放到里面,然后在读出来predict,因为train的时候是从文件中读的,就懒得改了,直接用的原来的函数.

1. 2019年5月10日 完成整体项目
2. 2019年6月28日 添加attention
3. 2019年7月2日 添加beamsearch
4. 2019年7月10日 发现将输出层Dense的激活函数去掉收敛速度会大大提升,还不清楚原因

• 似乎是想明白了,倒数第二层我开始用的relu激活函数,relu之后有些神经元就死了,虽然经过softmax会有一些缓解但是这些死的神经元更新依旧很慢,因此收敛很慢,结果很受初始化参数的影响(eg:"春风风去一人人")) 因此relu虽然好,但是坚决不能用在后面,总之要用就用到前几层,离输出层远点,这样即使死了也能在后面层中复活,达到加速收敛的目的。

5. 2019年7月11日 将decoder的多层lstm改为单个,用以减少参数,将encoder的多层得到的state映射一下维度,传到decoder,发现效果并没减。 下一个目标:加平仄

上联:天增岁月人增寿

下联:春满乾坤福满门

其他

春满乾坤福满堂

春满乾坤岁更新

春满乾坤地生辉

春满乾坤景焕新

上联:欲穷千里目

下联:更上一层楼

其他

不负万年心

不负一枝春

不负一生心

不负一生情

上联:春风又绿江南岸

下联:旭日初红塞北天

其他

旭日初升塞北天

明月初圆塞北天

旭日初红塞北花

明月常明塞北天

上联:大帝君臣同骨肉

下联:高山流水是知音

其他

中华儿女共风流

中华儿女并肩挑

中华儿女共心期

中华儿女尽心肝

目前训练20万轮作用,batchsize=32,loss=3.2左右,但是还处于下降的趋势,继续训练效果肯定会更好,但是人穷没办法,使用的google colab,虽然比本机块个几倍但是还是不够快,先这样吧 ** 试用:http://49.232.34.153:7777/ 界面很丑勿喷,也没处理异常,只用于测试**