具有递归神经网络的文本生成 使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂（Andrej Karpathy）的莎士比亚作品集。 给定来自此数据的字符序列（“莎士比亚”），训练模型以预测序列中的下一个字符。 通过重复调用模型，可以生成更长的文本序列。 模型的输出 以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出： 奎妮：我以为你有罗马人。 Oracle这样，使所有人都反对这个词，因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中，通过流血的宝座沉淀。 伊丽莎白·比什普（Bishop of Ely）：我的主，嫁给并愿意哭泣，这是最漂亮的。 然而，现在我被世界可悲的一天收为继承人，要和他父亲一起面对面观看新路吗？ 埃斯卡洛斯：为什么我们都下了更多儿子的原因。 卷：不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，这是没

这是莎士比亚全集电子文档。其包括： 1、暴风雨 2、哈姆雷特 3、维洛那二绅士 4、温莎的风流娘儿们 5、一报还一报 6、错误的喜剧 7、无事生非 8、爱的徒劳 9、仲夏夜之梦 10、第十二夜 11、冬天的故事 12、皆大欢喜 13、威尼斯商人 14、驯悍记 15、约翰王 16、终成眷属 17、亨利六世 18、亨利四世 19、亨利五世 20、理查二世 21、亨利八世 22、科利奥兰纳斯 23、理查三世 24、罗密欧与朱丽叶 25、泰特斯·安德洛尼克斯 26、特洛伊罗斯与克瑞西达 27、奥瑟罗 28、李尔王 29、麦克白 30、裘力斯·凯撒 31、雅典的泰门 32、安东尼与克莉奥佩特拉 33、泰尔亲王配力克里斯 34、辛白林 35、莎士比亚诗选