「这是我参与2022首次更文挑战的第27天，活动详情查看：2022首次更文挑战」。
导语
本文为我之前在CSDN平台上的一篇博客记录。原链接为：NLP学习笔记笔记本cpu天梯图（六）矩阵相似文本生成
文本生成（Text g矩阵的秩eneration）
这节课介绍RNN的一个应用：文本生成。我们可以训练一个RNN来自动生成文本。
主要linux命令思想（Main idea）
我们以一个例子开始，假设输入半句话，”The cat sat on the ma”，要求预测下一个字符。我们可以训练一个神经网络来预测下一个字符，训练数据是很多文本，把文本分割笔记本成字符，用One-hlinux是什么操作系统ot encoding来表示字符。把这些One-Hot向量依次输入RNN，RNN的状态向量h会积累看到的信息奶酪拼音。RNN返回最后一个向量h，在神经网络关键技术R神经网络关键技术NN上面是一个Softmax分类器，把h与参数矩阵W相乘得到的向量经过Softmax输出每个类别的概率。
假设这个网络已经训练好了，Softmax层则会输出如下矩阵的迹概率值。我们选择最大的概率值对应的字符输出，或者按概率值做随机抽样。然后把t接到输入的文本末尾。
然后把”The cat sat笔记本电脑开机黑屏没反应怎么办 on the mat”作为输入，计算下一个字符的输出，从而生成下一个字符。很可能是句号.再这样如此下去就可以生成很长的内容。
现在来看下怎样训练这nlp个RNN，训练数据那里拍婚纱照好是文本，比如英文维基百科的所有文章。把文章划分为很多片年龄拼音段。这些片段可以有重叠。
比如红色片段作为输入文本，后面的蓝色字符a作为标签。设置seg_len=40意思是红色片段长度为40，设置步长stride=3，意思是下一个步骤红神经网络是什么学派的成果色片段会Linux向右平移3个字符，以此类推。
训练神经网年龄拼音络的目的是给定输入神经网络预测模型片段，神经网络可以给出下一个字符。其实这就是一个多分类问题。假如包括空格、字母、标点在内一共有50个不同的字符，那么类别数目就是50。
训练的神经网络的输出神经网络是什么学派的成果风格取决于训练用的文本。如果用莎士比亚的书做训练，那么输出就是莎士比亚的风格文本。
文本生成可以用来做有趣的事情。比如生成新的英文名。矩阵游戏
训练一个文本生成器（Training矩阵 a Text Generator）
准备训练数据（Prepare Training D笔记本cpu天梯图ata）
我们用Python读取一本书的文本，这里不考虑字母大小写。每次取60个字符作为输入数据，一个字符为label
将神经网络关键技术字符转换为向量（Character to Vector）
首先将字符做一个字典。然后把文本转换为One-Hot向量。
建立网络（Build矩阵 Network能力培养与测试）
Keras实现略
预测下一个字符
在模型搭建好后，我们有以下三种策略笔记本电脑来选择下一个字符。
Option 1：Greedy selection
第一种方法是进行贪婪选择，直接选最大概率的那个。但这种方法生成的文本是确定的，文章都是固定的，可读性极差。
Option 2：Sampling from the multinomial distribution
第二种方法是根据输出的各个字符概率值进行多项式分别抽样，这种情况下具有随机神经网络是什么学派的成果性，生成效果较好。
Option 3：adjust the multinomial distribution
第三种方式则是在原始奶酪拼音概率分布上加幂次再重新计算概率分别，这种情况下，会使得在方法笔记二中神经网络是什么概率大的更大一些。效果也更好一些。
总结（Summary）
想要linux重启命令生成文本，需要先生成一个循环神经网络。第一步是将文本划分linux必学的60个命令成很多的segment片段。segment是输入，next_char是标签。第二步是对字符做One-hot encoding，把字符编码成向量，v矩阵是词表数目，l是segment长度。第三步是搭一个神经网络。
- 把segment输入神经网络
- 神经网络输出各个字符的概率
- 从笔记概率值中进行Sample得到next_char
- 把新生成的字符接到片段的后面
