# CoupletAI
用 PyTorch 实现的自动对对联系统,支持多种模型。一般来讲,给定一句话生成另一句话是序列生成问题,本项目根据上下联字数相等的特点将其转化为序列标注问题,即用下联去标注上联。
## Dependencies
* python 3.6+
* pytorch 1.2+
* flask (optional)
## Dataset
数据集包含70多万条对联数据(26MB),下载请[点击这里](https://github.com/wb14123/couplet-dataset/releases/download/1.0/couplet.tar.gz),或者[百度云](https://pan.baidu.com/s/1Zqnqq0VqZxv2c4jTNlZJGQ)(提取码: wude)。
## Usage
* 将下载到的数据集解压到当前目录(解压后的文件夹名称为`couplet`)
* 运行 `preprocess.py` 进行数据预处理
* 运行 `main.py [-m model type]` 进行训练
* 运行 `clidemo.py <-p model path>` 可在控制台进行AI对对联
* 运行 `webdemo.py <model path>` 可在Web端进行AI对对联
命令行参数的详细说明见文件内,你也可以在 `module/model.py` 中定义你自己的模型。
## Using Docker
```docker pull wisedoge/coupletai```
## Results Show
| # | 对联 |
| ------------ | ---------------------------------- |
| 上联 | 放不开眼底乾坤,何必登斯楼把酒 |
| 下联 | 吞得尽胸中云梦,方许对古人言诗 |
| AI预测的下联 | 抛难在胸中日月,不然看此水凭诗 |
| 上联 | 春暮偶登楼,上下鱼龙,应惜满湖绿水 |
| 下联 | 酒醉休说梦,关山戎马,未如一枕黄梁 |
| AI预测的下联 | 秋寒常入酒,东来风水,更喜一岸红山 |
| 上联 | 一器成名只为茗 |
| 下联 | 悦来客满是茶香 |
| AI预测的下联 | 三年有梦不因诗 |
| 上联 | 春夜灯花,几处笙歌腾朗月 |
| 下联 | 良宵美景,万家箫管乐丰年 |
| AI预测的下联 | 秋天月雨,一时风雨点清风 |
| 上联 | 一曲笙歌春似海 |
| 下联 | 千门灯火夜如年 |
| AI预测的下联 | 三年灯色梦如山 |
## Screenshot
### 命令行运行
![Terminal Demo](docs/terminal_demo.png)
### 网页运行
![Web Demo](docs/web_demo.png)
### Web API
![Web API](docs/webapi_demo.png)
没有合适的资源?快使用搜索试试~ 我知道了~
出上联对下联 AI人工智能对春节对联 (python+pytorch+Transformer+BiLSTM+ATTN+CNN)
共64个文件
sample:11个
py:8个
pyc:6个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 16 下载量 197 浏览量
2022-04-25
18:58:38
上传
评论 5
收藏 86MB RAR 举报
温馨提示
介绍博文:https://blog.csdn.net/air__Heaven/article/details/122696876 使用了:python+pytorch+Transformer+BiLSTM+ATTN+CNN 自己出上联,AI可以对出下联 运行 preprocess.py 进行数据预处理(已经训练好了,可选择忽略) 运行 main.py [-m model type] 进行训练(已经训练好了,可选择忽略) 运行 clidemo.py <-p model path> 可在控制台进行AI对对联 运行 webdemo.py <model path> 可在Web端进行AI对对联 命令行参数的详细说明见文件内,你也可以在 module/model.py 中定义你自己的模型。 Using Docker:docker pull wisedoge/coupletai
资源推荐
资源详情
资源评论
收起资源包目录
对对联 CoupletAI.rar (64个子文件)
CoupletAI
couplet
vocabs 36KB
train
in.txt 28.22MB
out.txt 28.22MB
test
in.txt 151KB
out.txt 151KB
runs
events.out.tfevents.1643163644.8e319d9c2b12.310.0 9KB
main.py 7KB
docs
terminal_demo.png 6KB
webapi_demo.png 10KB
web_demo.png 4KB
couplet.tar.gz 26.14MB
templates
index.html 654B
.git
index 1KB
hooks
fsmonitor-watchman.sample 3KB
pre-push.sample 1KB
prepare-commit-msg.sample 1KB
applypatch-msg.sample 478B
pre-commit.sample 2KB
pre-receive.sample 544B
pre-applypatch.sample 424B
commit-msg.sample 896B
pre-rebase.sample 5KB
update.sample 4KB
post-update.sample 189B
config 266B
description 73B
refs
tags
heads
master 41B
remotes
origin
HEAD 32B
branches
logs
refs
heads
master 185B
remotes
origin
HEAD 185B
HEAD 185B
packed-refs 235B
objects
info
pack
pack-e4ad54bd116490e7fd11ec633d9f714fd7b992ed.pack 58KB
pack-e4ad54bd116490e7fd11ec633d9f714fd7b992ed.idx 5KB
info
exclude 240B
HEAD 23B
__pycache__
main.cpython-37.pyc 7KB
main.cpython-36.pyc 7KB
clidemo.py 1KB
output
Transformer_10.bin 6.95MB
Transformer_20.bin 6.95MB
LICENSE 1KB
dataset
train.pkl 405.61MB
vocab.pkl 213KB
test.pkl 2.11MB
webdemo.py 1KB
.idea
misc.xml 310B
vcs.xml 185B
modules.xml 277B
workspace.xml 4KB
.gitignore 50B
inspectionProfiles
profiles_settings.xml 174B
CoupletAI.iml 336B
module
tokenizer.py 2KB
metric.py 998B
__pycache__
__init__.cpython-37.pyc 957B
metric.cpython-37.pyc 1KB
tokenizer.cpython-37.pyc 3KB
model.cpython-37.pyc 6KB
__init__.py 1KB
model.py 5KB
preprocess.py 4KB
docker
Dockerfile 340B
README.md 2KB
共 64 条
- 1
中杯可乐多加冰
- 粉丝: 5w+
- 资源: 60
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
- 4
前往页