微信群僵尸粉,无码三级电影片,日韩熟悉30p,亚洲欧美日本异类,亚洲A V观看,肏逼视频网站,五月丁香夫妻自拍偷拍,无码成人一区二区三区四区五区

?
農(nóng)歷新年將至，聽說華為云 AI 又將開啟智能對對聯(lián)迎接牛氣沖天，讓我們拭目以待！作為資深 Copy 攻城獅，想要自己實現(xiàn)一個對對聯(lián)的模型，是不能可能完成的任務，因此我搜羅了不少前人的實踐案例，今天想和大家分享的是和鯨社區(qū)的 rua年糕貢獻的項目-AI 對聯(lián)，基于 ModelArts 的 「我的筆記本」實現(xiàn)。
?

環(huán)境準備

準備環(huán)境前，先嘮叨幾句：ModelArts 是面向開發(fā)者的一站式AI開發(fā)平臺，ModelArts 在人工智能三要素中都有非常出色的表現(xiàn)，數(shù)據(jù)方面提供海量數(shù)據(jù)預處理及半自動化標注，算法方面除了開發(fā)者自己開發(fā)還=提供大量的預置算法和訂閱算法可供選擇，算力方面目前開發(fā)環(huán)境提供免費算力以及即點即用的「我的筆記本」。目前個人比較中意的功能就是「我的筆記本」，如果您體驗過 MindSpore 教程的 「Run in ModelArts」,您會發(fā)現(xiàn)其實教程中鏈接的就是 ModelArts 的 「我的筆記本」模塊，具體體驗可閱讀我的歷史文章5分鐘在線體驗MindSpore的圖層IR--MindIR。

相比常規(guī)的開發(fā)先要裝一堆的環(huán)境和軟件，基于 ModelArts 的 AI 開發(fā)似乎變得更簡單，理論上有能上網(wǎng)的設備就夠了，比如 pad，然后僅僅需要注冊一個華為云賬號并實名認證。當然，ModelArts準備工作并不僅僅是這些，比如如需用到 OBS 還需生成訪問密鑰并完成 ModelArts 全局配置。具體操作請參考ModelArts-Lab:https://gitee.com/ModelArts/ModelArts-Lab。

Free 的「我的筆記本」就在 ModelArts ?總覽頁底部的開發(fā)工具卡片中，點擊「立即體驗」即可開啟一個默認的 CPU 環(huán)境的 JupyterLab，我們可以在右邊的「切換規(guī)格」欄進行環(huán)境或者規(guī)格的切換。需要注意的是：切換資源后，將影響實例下所有Notebook與Terminal。Notebook中執(zhí)行的所有變量將失效，Terminal需要重新打開，手動安裝包不再生效，需要重新執(zhí)行。目前， CPU 和 GPU 環(huán)境支持 Conda-python3 、Pytorch-1.0.0、TensorFlow-1.13.1等8種Notebook環(huán)境，不過使用 GPU 需要注意：1、免費規(guī)格用于使用體驗，會在1小時后自動停止；2、免費算力不包含對象存儲服務(OBS)存儲資源費用。如果想使用 MindSpore 框架，可以從 MindSpore 官方文檔教程中的 「Run in ModelArts」進行跳轉(zhuǎn)到帶有 MindSpore 框架的 JupyterLab。

Seq2Seq 簡介

Seq2Seq是 Google 在 2017年開源的一款用于 TensorFlow 的通用編碼器&解碼器框架（encoder-decoder framework），可用于機器翻譯、文本摘要、會話建模、圖像描述等。

論文地址：https://arxiv.org/abs/1703.03906

Copy 實踐

新建 TensorFlow 1.13.1 環(huán)境的 notebook 文件，開始代碼編(kao)寫(bei)。

數(shù)據(jù)集下載
couplet-dataset 盡管比較陳舊，但擁有 70 萬條數(shù)據(jù)，應該夠?qū)崿F(xiàn)一個簡單的對對聯(lián)模型。
```
!wget?https://github.com/wb14123/couplet-dataset/releases/download/1.0/couplet.tar.gz
!tar?-xzvf?couplet.tar.gz
!mkdir?couplet/model
```

依賴安裝及引用

!pip?install?klab-autotime
!pip?install?backcall

import?codecs
import?numpy?as?np
from?keras.models?import?Model
from?keras.layers?import?*
from?keras.callbacks?import?Callback

#?顯示cell運行時長
%load_ext?klab-autotime

#?使用GPU
import?os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
#?The?GPU?id?to?use,?usually?either?"0"?or?"1"
os.environ["CUDA_VISIBLE_DEVICES"]="0"?

數(shù)據(jù)處理

#?定義參數(shù)
min_count?=?2
maxlen?=?16
batch_size?=?64
char_size?=?128
train_input_path?=?'couplet/train/in.txt'
train_output_path?=?'couplet/train/out.txt'
test_input_path?=?'couplet/test/in.txt'
test_output_path?=?'couplet/test/out.txt'

#?數(shù)據(jù)讀取與切分
def?read_data(txtname):
????txt?=?codecs.open(txtname,?encoding='utf-8').readlines()
????txt?=?[line.strip().split('?')?for?line?in?txt]??????#?每行按空格切分
????txt?=?[line?for?line?in?txt?if?len(line)?<=?maxlen]??#?過濾掉字數(shù)超過maxlen的對聯(lián)
????return?txt

模型定義

def?gated_resnet(x,?ksize=3):
????#?門卷積?+?殘差
????x_dim?=?K.int_shape(x)[-1]
????xo?=?Conv1D(x_dim*2,?ksize,?padding='same')(x)
????return?Lambda(lambda?x:?x[0]?*?K.sigmoid(x[1][...,?:x_dim])?\
????????????????????????????+?x[1][...,?x_dim:]?*?K.sigmoid(-x[1][...,?:x_dim]))([x,?xo])

????????????????????????????x_in?=?Input(shape=(None,))
x?=?x_in
x?=?Embedding(len(chars)+1,?char_size)(x)
x?=?Dropout(0.25)(x)

x?=?gated_resnet(x)
x?=?gated_resnet(x)
x?=?gated_resnet(x)
x?=?gated_resnet(x)
x?=?gated_resnet(x)
x?=?gated_resnet(x)

x?=?Dense(len(chars)+1,?activation='softmax')(x)

其他代碼此處就不再貼了，建議直接參考源碼出處，或者訪問https://github.com/hu-qi/modelarts-couplet。此處我選擇 200 個 Epoch，訓練過程如下圖：從圖中明顯可以看出評估函數(shù)輸出的下聯(lián)不斷地在調(diào)整。當訓練完成之后我們便煉的了簡單能使用的丹--AI 對對聯(lián)模型，緊接著測試一下：

上聯(lián)：天增歲月人增壽?
下聯(lián)：國滿春秋我成春
上聯(lián)：鼠去牛來聞虎嘯?
下聯(lián)：羊來馬去看龍吟
上聯(lián)：流光溢彩氣沖斗牛?
下聯(lián)：春色流輝風震春蟲

不錯不錯，還是挺工整通順的！

當然實踐中也并不是一帆風順，訓練過程中如果遇到續(xù)期提示，請務必要手動點擊，不然又得重啟 Notebook 。續(xù)期就對了，盡管我不太清除能續(xù)幾次，但續(xù)期就不會導致訓練中斷。

此次實踐的數(shù)據(jù)集和 notebook 已上傳到 github ：https://github.com/hu-qi/modelarts-couplet, 另外對聯(lián)數(shù)據(jù)也共享到 ModelArts AI Gallery：couplet-dataset:70萬對聯(lián)數(shù)據(jù)集,歡迎取閱！

?
華為云開發(fā)了AI寫春聯(lián)、送祝福的小程序，采用GPT深度學習模型，通過海量文本數(shù)據(jù)在云端預訓練學習，基于在公開對聯(lián)數(shù)據(jù)上進行微調(diào)，最終實現(xiàn)春聯(lián)自動生成。“云上過新年”，AI春聯(lián)也能擁有滿滿年味，寫春聯(lián)，甭發(fā)愁。新版小程序即將上線，可在微信搜索EI體驗空間輸入關鍵詞自動生成。
?

重要的事情說三遍：
記得關注「EI體驗空間」小程序！
記得關注「EI體驗空間」小程序！
記得關注「EI體驗空間」小程序！

如果您有想法與交流，歡迎關注公眾號：「胡琦」，或者 wechat：「Hugi66」，資深Copy攻城獅，期待您帶飛！

【手摸手學ModelArts】Copy攻城獅信手”粘“來 AI 對對聯(lián)

環(huán)境準備

Seq2Seq 簡介

Copy 實踐