莎士比亚文本生成 该网络应用程序使用LSTM训练莎士比亚的数据，并创建一种语言模型，以莎士比亚的风格生成文本。 RNN（递归神经网络） 递归神经网络（RNN）是一类人工神经网络，对于建模序列数据（例如时间序列或自然语言）具有强大的功能。 与RNN相比，香草神经网络有一个缺点，它们无法解决需要记住有关过去输入信息的机器学习问题。 在处理顺序数据时，记住数据中的关系是关键，而普通的CNN并不擅长长度可变的输入和输出。 因此，我正在使用RNN进行文本生成。 我使用一种称为LSTM的特殊RNN，它可

使用RNN-LSTM语言建模 这是在DR指导下的自然语言处理主题的最终semster项目。 T·阿基兰

词级语言建模RNN 本示例在语言建模任务上训练多层RNN（Elman，GRU或LSTM）。 默认情况下，训练脚本使用提供的Wikitext-2数据集。 然后，生成的脚本可以使用经过训练的模型来生成新文本。 python main.py --cuda --epochs 6 # Train a LSTM on Wikitext-2 with CUDA python main.py --cuda --epochs 6 --tied # Train a tied LSTM

RNN语言建模 描述 设计并实现了字符级LSTM模型，以使用WikiText-2语言建模数据集生成文本。 注意：该项目是我的家庭作业的一部分。 当前的CMU学生请不要阅读这些守则。