【AI达人创造营第二期】基于LSTM的现代诗生成器

---

本项目利用LSTM模型实现现代诗自动生成，解决个人创作难题。数据集含约2000首爬取的现代情诗，另混合部分古诗补充数据量。采用LSTM模型，其通过逻辑门优化长文本语义理解。项目含训练与使用文件，models文件夹存两种风格模型。加载模型时，输入前缀和开头即可生成诗句，虽部分内容语义模糊，但能生成连贯文本，实现核心功能。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于LSTM自动生成现代诗

数据集使用

本项目一共使用了两个数据集。

1. 现代情诗的数据集，是我通过网络爬虫爬取的现代诗，大致有2000首。
2. 古诗集数据，考虑到数据集1的仅有0.5M，数据量较少，所以混合了部分古诗数据进行训练。

LSTM模型简介

LSTM是一种非常流行的循环神经网络，相比较于simpleRNN对于较长的句子理解能力较差（因为RNN不加选择地更新ceil state，导致对于前文地信息地丢失），而LSTM通过增加四个逻辑门，有选择地更新ceil state，这使得LSTM对于长文本语义理解上下推断有着更加好地效果。 具体地原理有很多大佬讲过，大家可以看看这份写的相当透彻的Understanding LSTM network。

效果演示

我寄愁心与明月 一棵落落山染来 我沿着一匹回银花的曲子高走短过的那样 我已是那么都在秋天 没有停动地流动一根线儿 一个人在他的身口里 你的手里还在我的身送面指成远 我不成日亮 你不会把彼此装上

我寄愁心与明月。都将别，一回一回，莫问无情何。

无事无人知，无生无与非

模型训练和模型评估

详细的训练流程在参见model_LSTM.ipynb，其中很全面地写了注释和核心思想。

文件组织

• main.ipynb可以直接拿过来玩，自动加载训练好的模型
• model_LSTM.ipynb是训练文件，写了详细的注释，调用它则可以训练自己的模型。
• 【静态图测试】文件夹被废弃了。。。原本打算导出静态图模型但遇到了一点点问题，挖个坑回头解决
• 【models】文件夹存放了不同数量样本训练好的两个模型，可以直接调用
• 【vocab】文件夹存放用于制作词汇表的数据

加载模型进行测试

In [1]

# 导入相关依赖from paddle.io import Datasetimport paddle.fluid as fluidimport numpy as npimport paddleimport paddle.nnfrom paddlenlp.embeddings import TokenEmbeddingfrom paddlenlp.data import JiebaTokenizer,Vocabimport visualdl

In [3]

# 定义超参数class Config(object):
    # version = 'models/version1-modern/version1.pdparams' # 现代诗风格
    version = 'models/version2-ancient/version2.pdparams' # 古体诗风格
    maxl = 120
    filepath = "vocab/poems_without_title.txt"
    filepath2 = "vocab/poems_zh.txt"
    embedding_dim = 300
    hidden_dim = 512
    num_layers = 3

    max_gen_len = 150
    prefix = "爱你一生一世" # 前置风格，可以调整生成文本的风格
    beginning = "陪伴是最长情的告白" # 需要给出诗篇的开头，模型进行续写config = Config()

In [4]

# 加载词汇表vocabdic = {'[PAD]':0,'':1,'':2,'[UNK]':3}
cnt=4with open (config.filepath) as fp:    for line in fp:        for char in line:            if char not in dic:
                dic[char] = cnt
                cnt+=1with open (config.filepath2) as fp:    for line in fp:        for char in line:            if char not in dic:
                dic[char] = cnt
                cnt+=1vocab = Vocab.from_dict(dic,unk_token='[UNK]')

In [5]

# 加载模型class Poetry(paddle.nn.Layer):
    def __init__(self,vocab_size,embedding_dim,hidden_dim):
        super().__init__()
        self.embeddings = paddle.nn.Embedding(vocab_size,embedding_dim)
        self.lstm = paddle.nn.LSTM(
            input_size=embedding_dim,
            hidden_size=hidden_dim,
            num_layers=config.num_layers,
        )
        self.linear = paddle.nn.Linear(in_features=hidden_dim,out_features=vocab_size)    def forward(self,input,hidden=None):
        batch_size, seq_len = paddle.shape(input)
        embeds = self.embeddings(input)        if hidden is None:
            output,hidden = self.lstm(embeds)        else:
            output,hidden = self.lstm(embeds,hidden)
        output = paddle.reshape(output,[seq_len*batch_size,Config.hidden_dim])
        output = self.linear(output)        return output,hidden

poetry = Poetry(len(vocab),config.embedding_dim,config.hidden_dim)
poetry.set_state_dict(paddle.load(config.version))

In [6]

results = [i for i in config.beginning]
start_words_len = len(results)input = (paddle.to_tensor(vocab(""))).reshape([1,1])
hidden = Noneif config.prefix:
    words = [i for i in config.prefix]    for word in words:
        _, hidden = poetry(input, hidden)        input = (paddle.to_tensor(vocab(word))).reshape([1,1])for i in range(config.max_gen_len):
    output, hidden = poetry(input, hidden)    if i < start_words_len:
        word = results[i]        input = (paddle.to_tensor(vocab(word))).reshape([1,1])    else:
        _,top_index = paddle.fluid.layers.topk(output[0],k=1)
        top_index = top_index.item()
        word = vocab.to_tokens(top_index)
        results.append(word)        input = paddle.to_tensor([top_index])        input = paddle.reshape(input,[1,1])    if word == '':        del results[-1]        breakresults = ''.join(results)print(results)

# ai  # 循环  # rnn  # lstm  # 加载  # 词汇表  # 写了  # 自动生成  # 大佬  # 自己的  # 无事  # 是一种  # 我不  # 都在 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： 3步教你用AI总结会议录音，再也不怕错过重点  机器学习赋能AI生产力工具：提升效率与智能决策  LALAL.AI教程：音视频人声分离、降噪终极指南  Depseek如何让提示词包含上下文_Depseek上下文补充提示词写法【步骤】  AI威胁论：超人工智能ASI时代来临，人类如何应对？  Jetson SegNet: 语义分割深度探索与实践  播客数据深度分析：揭秘全球听众分布及增长策略  GitHub Copilot终极指南：提升代码效率与质量  CodeRabbit CLI: AI 代码审查工具，提升编码效率与代码质量  解读诗歌中的女性视角：Shelley Puhak 的作品解析  通义千问怎样写小红书文案_通义千问文案写作步骤【步骤】  想做自媒体？教你用AI批量生成视频脚本，实现内容自由  Claude怎么用新功能诗歌创作_Claude诗歌创作使用【方法】  快速生成PPT工具怎么用_快速生成PPT工具使用方法详细指南【教程】  轻松入门：如何创建自己的图像识别模型  Gamma做年终总结PPT怎么用_Gamma做年终总结PPT使用方法详细指南【教程】  ClickUp AI Agents：项目管理的革命性突破  使用Autogen框架进行业务分析和执行报告生成  即梦AI怎样生成产品描述_即梦AI产品描述生成与卖点提炼【实操】  AI写作工具检测：学生如何避免学术不端行为  如何用AI一键生成名片设计 AI个人电子名片制作指南【教程】  Brevio AI：利用AI代理提升电商营销效果  定价3499炒到1.2万，豆包AI手机遭“封杀”，变革之路何去何从？  AI猫咪视频创作指南：轻松打造百万级YouTube Shorts  Wrike：AI赋能的项目管理平台，提升电商效率与团队协作  Universe：用 iPhone 在 5 分钟内打造网站的终极指南  零成本AI营销机构：2025年自动化运营，颠覆传统营销模式  AI社交媒体自动化：n8n与HeyGen打造个性化内容引擎  利用 DeepSeek 进行大规模 C++ 代码库审计  AI 时代高效开发：版本控制与 AI 协同工作流  微信AI数字人怎样切换形象风格_微信AI数字人形象更换与风格选择【技巧】  SteosVoice：电报语音克隆终极教程  Gemini怎么用新功能实时问答_Gemini实时问答使用【步骤】  Kindroid AI：打造你的专属虚拟伙伴，开启AI社交新体验  文心一言 4.0 在公文写作规范中的实战技巧  AI工具投资指南：10个关键要素，助您明智决策  豆包AI里的智能体有什么用_不同类型智能体使用场景介绍  CareerCraft AI：提升大学生实习就业的智能平台  Claude 4.5 深度解析: Coding, VS Code & AI Agent 新纪元  ChatGPT如何进行数据可视化构思 ChatGPT图表设计指南  ChatGPT 如何助力建筑承包商？三大实用技巧解析  AI绘画工具怎么用_AI绘画工具使用方法详细指南【教程】  AI在软件测试中的应用：提升效率与质量的关键策略  VoiceBrigade：AI 赋能，革新语音合成与内容创作  重温经典：宝可梦动画中的精彩瞬间与幕后花絮  Midjourney怎样加元素词丰富画面_Midjourney元素词技巧【方法】  Gemini怎样写精准提示词_Gemini提示词编写方法【步骤】  GitHub Copilot与Azure AI Foundry模型：加速AI编程实践  雷小兔ai智能写作怎样导入素材_雷小兔ai智能写作素材上传与引用【技巧】  GoHighLevel AI Agent：终极指南，释放你的CRM潜力 

 2025-07-17