### 语言模型 #### 数据预处理 中文语言模型基本都是基于字的模型，因此不需要做太多的操作 #### 文件结构介绍 * config文件：配置各种模型的配置参数 * data：存放训练集和测试集 * data_helpers：提供数据处理的方法 * ckpt_model：存放checkpoint模型文件 * pb_model：存放pb模型文件 * outputs：存放vocab，word_to_index, label_to_index, 处理后的数据 * models：存放模型代码 * trainers：存放训练代码 * predictors：存放预测代码 #### 训练模型 * python train.py --config_path="config.json" #### 预测模型 * 预测代码都在predict.py中，初始化Predictor对象，调用predict方法即可。 * 执行python test.py文件可以生成诗词 #### 模型的配置参数详述 #### char rn：字符级的rnn，基于字符的语言模型 * model_name：模型名称 * epochs：全样本迭代次数 * checkpoint_every：迭代多少步保存一次模型文件 * eval_every：迭代多少步验证一次模型 * learning_rate：学习速率 * optimization：优化算法 * embedding_size：embedding层大小 * hidden_sizes：rnn隐层大小 * batch_size：批样本大小 * sequence_length：序列长度 * vocab_size：词汇表大小 * keep_prob：保留神经元的比例 * max_grad_norm：梯度阶段临界值 * train_data：训练数据的存储路径 * eval_data：验证数据的存储路径 * output_path：输出路径，用来存储vocab，处理后的训练数据，验证数据 * word_vectors_path：词向量的路径 * ckpt_model_path：checkpoint 模型的存储路径 * pb_model_path：pb 模型的存储路径

tensorflow1.14与keras依赖包都在里面。安装的anaconda2019.03，使用的是python3.7，直接安装anaconda之后，由于机子不能联网，为了安装tensorflow，所以一个个下载依赖包进行安装，现打包给大家分享，大部分都是whl文件，使用pip先安装一个叫wheel开头的文件，然后其他的安装也有顺序，自己试几下就行了，pip怎么安装whl，自己查下，网上很多的，自己试几次就好了，自己就是这么安装好的。（备注：里面的文件不要改名字，之前为了方便安装，把里面文件改成简单名字，安装不上）

tensorflow1.3离线所有安装包tensorflow1.3离线所有安装包

windows10下VS2015编译的tensorflow1.13.1的C接口库，cuda10.0+cudnn7.6.3

https://blog.csdn.net/sinat_36899414/article/details/111389515 极速配置tensorflow-gpu,keras sklearn 配置步骤参考上面那篇文章

TensorFlow1.12.0版本的依赖库，需要的自取。

在Jetson TX2(aarch64架构)下编译生成的tensorflow1.4.1的pip安装包。 CUDA8.0 && cuDNN6 && python3.5

win10+GTX1050Ti+anaconda3+tensorflow1.14.0+cuda10.0+cudnn7.6.1.34（带GPU使用检测）-附件资源

TensorFlow1.9.0及相关依赖包，方便用户离线环境下搭建TensorFlow。其中numpy和scipy太大不方便上传，可另行下载。压缩包中有requirements。将文件全部解压到一个文件夹如c:\whls中，执行pip install --no-index --find-index=c:\whls -r c:\whls\requirements.txt 即可安装。

使用bazel编译的TensorFlow1.15的动态库