GPT-2 應用於輸入關鍵字來產生一篇中文的文章、文言文、對聯、詩詞、中文歌詞。

[操作步驟及說明]

主要流程為：

準備訓練資料 -> 訓練 -> 產生文章

資料準備：

解決方案的訓練資料準備分成兩種，

如果是短篇文章、文言文、對聯、詩詞、中文歌詞.......等，較短的文體，請將文章格式整理成以下例子，並將檔案命名為 train.json，存到 data 資料夾中。

文章格式範例：

範例1:["文章1", "文章2","文章3"]

範例2:["文言文1", "文言文2","文言文3","文言文4"]

如果是長篇文章，請將文章格式整理成以下例子，並將檔案命名為 train2.json，存到 data 資料夾中。

文章格式範例：

範例1:["一整篇長文章"]

範例2:["一整部神鵰俠侶"]

1. 1_delete_log.ipynb

刪除 log 檔資料夾。

2. 2_train_single.ipynb 或 2_train.ipynb

2_train.ipynb 主要用於訓練短篇文章、文言文、對聯、詩詞、中文歌詞 ...... 等，這裡使用的範例為許眾多維基百科內容進行訓練。

2_train_single.ipynb 主要用於訓練長篇文章，這裡使用金庸小說的其中一部進行訓練。

參數說明：

device: 使用 GPU 訓練，如果要使用兩顆 GPU，將 "0" 改成 "0,1"。

trainDataTxtPath: 訓練檔案路徑。

epochs: 訓練幾輪。

pretrained_model: 預訓練模型路型，若不使用則改成 pretrained_model = ''。

3. 3_kill_tensorboard.ipynb

在使用 tensorboard 之前，先關閉舊有的 tensorboard 。

4. 4_tensorboard.ipynb

開啟 tensorboard 查看訓練狀況。

看完訓練狀況後請再次執行 3_kill_tensorboard.ipynb，關閉 tensorboard。

5. 5_generate.ipynb

使用模型產生文章。

參數說明：

device: 使用多少 GPU ，如果要使用兩顆 GPU，將 "0" 改成 "0,1"。

grammarType: 使用哪種模型產生文章，繁體有繁體中文模型、金庸模型；簡體有通用中文小模型、文言文模型、對聯模型、通用中文模型、詩詞模型、中文歌詞模型。

length : 產生多少字的文章，例如多少字的繁體文章、多少字的中文歌詞......。

sampleNumber: 產生多少篇範例。

keyword: 輸入關鍵字作為開頭來產生文章。

這個 SDK 內建於 AppForAI 人工智慧開發工具。

單獨購買價格：5,000元，永久授權，單一 SDK 授權，單機授權，一次下載，無更新服務，一年電子郵件範例諮詢服務。如果是軟體客製化問題，請購買我們的客製化顧問服務點數。