谁说程序员不会写诗?人工智能诗词大赛来啦!! [问题点数:400分]

Bbs1
本版专家分:0
版主
结帖率 93.75%
Bbs1
本版专家分:0
版主
Blank
优秀版主 2016年8月优秀大版主
Blank
微软MVP 2018年7月 荣获微软MVP称号
2017年7月荣获微软MVP称号
2016年10月荣获微软MVP称号
2015年10月荣获微软MVP称号
2014年10月荣获微软MVP称号
2013年10月 荣获微软MVP称号
2012年10月 荣获微软MVP称号
2011年10月 荣获微软MVP称号
2009年10月 荣获微软MVP称号
2010年10月 荣获微软MVP称号
2005年9月 荣获微软MVP称号
2008年10月 荣获微软MVP称号
2007年10月 荣获微软MVP称号
2006年10月 荣获微软MVP称号
Blank
红花 2018年12月 Windows专区大版内专家分月排行榜第一
2018年10月 Windows专区大版内专家分月排行榜第一
2018年7月 Windows专区大版内专家分月排行榜第一
2018年6月 Windows专区大版内专家分月排行榜第一
2018年5月 Windows专区大版内专家分月排行榜第一
2018年4月 Windows专区大版内专家分月排行榜第一
2018年2月 Windows专区大版内专家分月排行榜第一
2017年12月 Windows专区大版内专家分月排行榜第一
2017年11月 Windows专区大版内专家分月排行榜第一
2017年10月 Windows专区大板内专家分月排行榜第一
2017年9月 Windows专区大版内专家分月排行榜第一
2017年7月 Windows专区大版内专家分月排行榜第一
2017年6月 Windows专区大版内专家分月排行榜第一
2017年5月 Windows专区大版内专家分月排行榜第一
2016年10月 Windows专区大版内专家分月排行榜第一
2016年7月 Windows专区大版内专家分月排行榜第一
2016年5月 Windows专区大版内专家分月排行榜第一
2016年4月 Windows专区大版内专家分月排行榜第一
2016年2月 Windows专区大版内专家分月排行榜第一
2015年12月 Windows专区大版内专家分月排行榜第一
2015年10月 Windows专区大版内专家分月排行榜第一
2015年5月 Windows专区大版内专家分月排行榜第一
2015年1月 Windows专区大版内专家分月排行榜第一
2016年9月 Windows专区大版内专家分月排行榜第一
2014年4月 Windows专区大版内专家分月排行榜第一
2013年8月 Windows专区大版内专家分月排行榜第一
2013年7月 Windows专区大版内专家分月排行榜第一
2013年5月 Windows专区大版内专家分月排行榜第一
2013年4月 Windows专区大版内专家分月排行榜第一
Blank
黄花 2018年8月 Windows大版内专家分月排行榜第二
2018年3月 Windows专区大版内专家分月排行榜第二
2018年1月 Windows专区大版内专家分月排行榜第二
2017年8月 Windows专区大版内专家分月排行榜第二
2017年4月 Windows专区大版内专家分月排行榜第二
2017年3月 Windows专区大版内专家分月排行榜第二
2017年2月 Windows专区大版内专家分月排行榜第二
2017年1月 Windows专区大版内专家分月排行榜第二
2016年11月 Windows专区大版内专家分月排行榜第二
2016年8月 Windows专区大版内专家分月排行榜第二
2016年6月 Windows专区大版内专家分月排行榜第二
2016年3月 Windows专区大版内专家分月排行榜第二
2016年1月 Windows专区大版内专家分月排行榜第二
2015年7月 Windows专区大版内专家分月排行榜第二
2015年3月 Windows专区大版内专家分月排行榜第二
2014年2月 Windows专区大版内专家分月排行榜第二
2014年5月 Windows专区大版内专家分月排行榜第二
2013年11月 Windows专区大版内专家分月排行榜第二
2013年10月 Windows专区大版内专家分月排行榜第二
2013年6月 Windows专区大版内专家分月排行榜第二
2013年3月 Windows专区大版内专家分月排行榜第二
2006年1月 Windows专区大版内专家分月排行榜第二
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Blank
红花 2018年10月 扩充话题大版内专家分月排行榜第一
2018年8月 扩充话题大版内专家分月排行榜第一
2018年6月 扩充话题大版内专家分月排行榜第一
2018年5月 扩充话题大版内专家分月排行榜第一
2018年1月 扩充话题大版内专家分月排行榜第一
2017年12月 扩充话题大版内专家分月排行榜第一
2017年11月 扩充话题大版内专家分月排行榜第一
2017年10月 扩充话题大版内专家分月排行榜第一
2017年9月 扩充话题大版内专家分月排行榜第一
2017年8月 扩充话题大版内专家分月排行榜第一
2016年6月 扩充话题大版内专家分月排行榜第一
2015年10月 扩充话题大版内专家分月排行榜第一
2015年4月 扩充话题大版内专家分月排行榜第一
2015年3月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2018年11月 扩充话题大版内专家分月排行榜第二
2018年7月 扩充话题大版内专家分月排行榜第二
2017年6月 扩充话题大版内专家分月排行榜第二
2016年5月 扩充话题大版内专家分月排行榜第二
2015年5月 扩充话题大版内专家分月排行榜第二
2014年11月 扩充话题大版内专家分月排行榜第二
2013年10月 扩充话题大版内专家分月排行榜第二
2013年8月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2018年9月 扩充话题大版内专家分月排行榜第三
2018年2月 扩充话题大版内专家分月排行榜第三
2017年7月 扩充话题大版内专家分月排行榜第三
2015年8月 扩充话题大版内专家分月排行榜第三
Bbs1
本版专家分:0
Blank
红花 2019年2月 其他开发语言大版内专家分月排行榜第一
2019年1月 Delphi大版内专家分月排行榜第一
2018年8月 Delphi大版内专家分月排行榜第一
2018年7月 Delphi大版内专家分月排行榜第一
2018年4月 Delphi大版内专家分月排行榜第一
2018年3月 Delphi大版内专家分月排行榜第一
Blank
黄花 2016年11月 Delphi大版内专家分月排行榜第二
Blank
蓝花 2011年10月 其他开发语言大版内专家分月排行榜第三
2010年8月 其他开发语言大版内专家分月排行榜第三
2007年5月 其他开发语言大版内专家分月排行榜第三
Bbs1
本版专家分:0
Blank
红花 2019年2月 其他开发语言大版内专家分月排行榜第一
2019年1月 Delphi大版内专家分月排行榜第一
2018年8月 Delphi大版内专家分月排行榜第一
2018年7月 Delphi大版内专家分月排行榜第一
2018年4月 Delphi大版内专家分月排行榜第一
2018年3月 Delphi大版内专家分月排行榜第一
Blank
黄花 2016年11月 Delphi大版内专家分月排行榜第二
Blank
蓝花 2011年10月 其他开发语言大版内专家分月排行榜第三
2010年8月 其他开发语言大版内专家分月排行榜第三
2007年5月 其他开发语言大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
版主
Blank
名人 2014年 荣获名人称号
2013年 荣获名人称号
2012年 荣获名人称号
Blank
状元 2013年 总版技术专家分年内排行榜第一
Blank
探花 2014年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第四
Bbs1
本版专家分:0
Bbs1
本版专家分:0
版主
Blank
名人 2014年 荣获名人称号
2013年 荣获名人称号
2012年 荣获名人称号
Blank
状元 2013年 总版技术专家分年内排行榜第一
Blank
探花 2014年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第四
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Blank
Github 绑定github第三方账户获取
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
版主
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Blank
蓝花 2011年2月 扩充话题大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
pytorch下使用LSTM神经网络写诗
在pytorch下,以数万首唐诗为素材,训练双层LSTM神经网络,使其能够以唐诗的方式<em>写诗</em>。代码结构分为四部分,分别为1.model.py,定义了双层LSTM模型2.data.py,定义了从网上得到的唐诗数据的处理方法3.utlis.py 定义了损失可视化的函数4.main.py定义了模型参数,以及训练、唐诗生成函数。参考:电子工业出版社的《深度学习框架PyTorch:入门与实践》第九章main代...
现代诗歌生成器
现在这些东西做的东东有些好玩,跟朋友闹着玩还行哈哈不错支持
基于RNN&LSTM的古诗词生成神经网络实现
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/sinat_33741547/article/details/77684888 一、前言 1、图解RNN 2、Tensorflow中RNN实现的正确打开方式 二、实战 1、训练数据处理 (1)文字转为...
代码如诗(不定期更新)
以下代码不加以特殊说明均是JavaScript代码。路漫漫其修远兮,吾将上下而求索。 我是九,你是三,我除了你还是你。
基于python下的诗歌游戏(类继承)
具体游戏有:根据上句猜下句、猜作者、猜朝代、猜诗名等 如果有更好玩儿的游戏,不妨自己写一下 1.首先,先把搜集到的诗歌全部放到一个txt文件下,命名为poems.txt 2.其次,再定义一个poem类,执行的时候输出诗歌的名字,作者,朝代等,代码如下: class Poem: def __init__(self): self.title = '' ...
Python程序写诗【1分钟】古诗词生成
Python词向量gensim文本生成,训练【一分钟】,<em>诗词</em>歌赋【一秒生成】
自动生成诗词比赛用九宫格或十二宫格
旁听苏豪兄与惠云师商讨怎样制作<em>诗词</em>比赛用的九宫格时忍不住多嘴了一句——“用程序自动生成很简单啊”,立马就被抓了差,后悔都来不及 那就先把实现过程表达清楚吧:将“<em>诗词</em><em>大赛</em>”文件中的各行存入“<em>诗词</em><em>大赛</em>”数组创建Word文档for i = 0 to ubound(“<em>诗词</em><em>大赛</em>”)中的每一行    if 五言        格子数 = 9        字数 = 5    elseif 七言        ...
谁说菜鸟不会数据分析——入门篇》读书笔记
读了《<em>谁说</em>菜鸟<em>不会</em>数据分析——入门篇》,做了一些总结如下:一、数据分析那些事儿1、什么是数据分析数据分析指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。2、数据分析分类:有描述性数据分析、探索性数据分析、验证性数据分析3、数据分析作用:用来进行现状分析(如日报、周报等)、原因分析(如专题分析)、预测分析三种情况4、数据分析的...
谁说菜鸟不会数据分析》
一、数据分析概况(一)、数据分析是“神马”?1.数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将他们进行汇总、理解并消化,  以求最大化的开发数据的功能 ,发回数据的作用。2.数据分析目的在于把隐藏在一大堆看似杂乱无章的数据背后的信息集中和提炼出来,总结出内在对象的研究规律。(二)、数据分析分类数据分析特性:描述性、探索性、验证性初级数据分析:对比分析法、分组分析法、交叉分析法高级数...
tf7: RNN—古诗词
  代码:Here。 RNN不像传统的神经网络-它们的输出输出是固定的,而RNN允许我们输入输出向量序列。RNN是为了对序列数据进行建模而产生的。 样本序列性:样本间存在顺序关系,每个样本和它之前的样本存在关联。比如说,在文本中,一个词和它前面的词是有关联的;在气象数据中,一天的气温和前几天的气温是有关联的。 例如本帖要使用RNN生成古诗,你给它输入一堆古<em>诗词</em>,它会学着生成和前面相关联...
计算机诗人【刘慈欣】
计算机自动<em>写诗</em>的一个程序,由刘慈欣编写 可以方便设置是否押韵、段落等信息,并可以保存
产品读书《谁说菜鸟不会数据分析(入门篇)》
PPT查看1PPT查看2 思维导图下载 ppt下载 什么是数据分析?怎么样才是数据分析的思维?数据分析的流程有哪些?常用的数据方法又有哪些?工具呢?可以学习的网站有哪些?我觉得《<em>谁说</em>菜鸟<em>不会</em>数据分析(入门篇)》讲的很清楚,能够基本解决你想要了解的有关数据分析的基础知识,当然,如果你没有太多时间去详细完整地看完整本书,那以下内容会对你有比较大的帮助。这是我学习过程中的学习笔记,也...
谁说菜鸟不会数据分析(工具篇)---读书笔记
第2章 玩转数据分析 数据分析,它主要有三大作用现状分析、原因分析与预测分析。 数据分析可以分为两类:一是呈现现状的描述性分析;另外一种是基于历史数据的推断预测性分析 2.1 Excel数据分析工具一-PowerPivot Power Pivot是微软在Excel2010 中新增的一个插件工具。在PowerPivot 中, Excel的行、列限制已被取消,这样我们能方便地操作更大型
谁说菜鸟不会数据分析(入门篇)》总结
一、数据分析方法论营销方面:4P、用户使用行为、STP理论、SWOT管理方面的理论模型:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等PEST(宏观环境分析)P(political)政治环境(社会性质、执政党性质、方针、政策、法令)政治经济体制、财政税收政策、产业政策等E(economic)经济环境宏观GDP及其增长率、进出口总额、利率、税率、通货膨胀率、微观消费价格指数...
TensorFlow练习7: 基于RNN生成古诗词
RNN不像传统的神经网络-它们的输出输出是固定的,而RNN允许我们输入输出向量序列。RNN是为了对序列数据进行建模而产生的。 样本序列性:样本间存在顺序关系,每个样本和它之前的样本存在关联。比如说,在文本中,一个词和它前面的词是有关联的;在气象数据中,一天的气温和前几天的气温是有关联的。 例如本帖要使用RNN生成古诗,你给它输入一堆古<em>诗词</em>,它会学着生成和前面相关联的字词。如果你
基于seq2seq的中国古诗词自动生成技术
文本生成技术是深度学习赋予自然语言处理一项全新的技术,而刚好网上有这方面诸多的例子,因此趁着有空实现一下中国古诗的自动生成技术,还是挺好玩的。 具体步骤主要包括以下几点: (1) 准备语料库,即对据有的古诗进行获取。 (2) 生成关键词,并进行词向量转化。 (3) 利用RNN的编码解码模型进行训练,由于RNN具备一对多的输出,因此可以很好地解决这种自动生成技术。
谁说菜鸟不会数据分析(入门篇)----- 学习笔记2(结构为王:确定分析思路 4P 5W2H )
1、数据分析方法论 确定分析思路需要以营销、管理等理论为指导,把这些跟数据分析相关的营销、管理等理论统称为数据分析方法论。 数据分析方法论主要用来指导数据分析师进行一次完整的数据分析,更多的是指数据分析思路,如从哪方面开展数据分析?各方面包含什么内容和指标。 数据分析方法论主要是从宏观角度指导如何进行数据分析,一个数据分析的前期规划,指导着后期数据分析工作的开展。数据分析法则是指具体的分析方...
谁说大象不能跳舞》值得一读
  之前的《管理的实践》差不多花了两三个星期,一般都是睡前催眠用的,这次终于一口气灭了。这次的《<em>谁说</em>大象不能跳舞?》只用了我一天的时间,记起来也就三四个小时,很有没有象看《Borland传奇》那么爽的看书经历了。没办法,谁让都是讲IT的事情呢。借用一下某个地方的花,IT行业大概是最好的行业,也是最坏的行业,谁知道呢?   郭士纳在书的后面的牢骚中也评价了IT行业:1. 领导人:似乎郭士纳对很多的大...
Python实现《谁说菜鸟不会数据分析(入门篇)》的案例
这段时间在学习Excel和Python相关内容,Excel数据分析入门有一本《<em>谁说</em>菜鸟<em>不会</em>分析(入门篇)》,内容细致,简洁易懂,注重培养分析的思维而不仅仅是告知方法。在学习Python过程中萌发了通过使用Python的方式实现《<em>谁说</em>菜鸟<em>不会</em>分析(入门篇)》中对Excel文件的处理的想法,借此提高对Python数据分析的使用,理解数据处理的方式。因为才刚开始接触学习Python和Excel,可能Py...
基于《谁说菜鸟不会数据分析(SPSS篇)》
本书的数据来源: (1)http://blog.sina.com.cn/xiaowenzi22 (2)关注微信订阅号:小蚊子数据分析,回复&quot;1&quot;或“SPSS篇”获取下载链接 (3)http://read.zhiliaobang.com/pages/article/43...
谁说菜鸟不会数据分析(工具篇)----- 学习笔记1(Access SQL基本用法)
1、数据库(database) 数据库是按照数据结构来组织、存储和管理数据的仓库。利用数据库中的各种对象,记录、处理和分析各种数据。 常用数据库:oracle,SQL Server,MySQL,Access等关系型数据库 NoSQL技术的分布式数据库:Hbase,MongoDB,Redis等 (1)Access数据库       优点:操作界面友好,易操作;查询处理可直接生成相应的SQL...
html 今天写首诗
首先:次之效果:代码:&amp;lt;html&amp;gt; &amp;lt;head&amp;gt; &amp;lt;title&amp;gt;为你<em>写诗</em>(大世界互联集团)&amp;lt;/title&amp;gt; &amp;lt;meta charset=&quot;utf-8&quot;&amp;gt; &amp;lt;/head&amp;gt; &amp;lt;body&amp;gt; &amp;lt;hr&amp;gt; &amp;lt;h1&amp;gt;劝学诗&amp;lt;/h1
LSTM古诗生成
RNN的类别: 循环神经网络主要应用于序列数据的处理,因输入与输出数据之间有时间上的关联性,所以在常规神经网络的基础上,加上了时间维度上的关联性,也就是有了循环神经网络。因此对于循环神经网络而言,它能够记录很长时间的历史信息,即使在某一时刻有相同的输入,但由于历史信息不同,也会得到不同的输出,这也是循环神经网络相比于常规网络的不同之处。 根据输入与输出之间的对应关系,可以将循环神经网络分为以下...
用JAVA日志来写诗
工欲善其事,必先利其器 很多<em>程序员</em>可能都忘了记录应用程序的行为是一件多么重要的事,当遇到多线程环境下高压力导致的并发bug时,你就能体会到记录log的重要性。 有的人很高兴的就在代码里加上了这么句: log.info("Happy and carefree logging"); 他可能都没有意识到应用程序的日志在维护,调优和故障识别中的重要性。我认为slf4j是最好的日志API,最
Python小项目——用Python写诗
思路很简单:从唐诗三百首中获取最常使用的汉字,然后在这些汉字中拿出一些组成新“诗”。 看看出来了什么诗 空女寒国乐,已照柳落声。 自夫新同难,鼓一何看过。 百将多如物,小生云夕转。 歌间下是露,干声已此剑。 闻看夜问此,草仙还云商。 剑大愁老成,可茫松西晚。 小伙伴看出什么名堂来了吗? 看看代码 import ...
谁说菜鸟不会数据分析(SPSS篇)----- 学习笔记
  SPSS 变量尺度跟数据类型 百分位值:将数据从小到大排序,用n-1个数据点将数据分成n等份 集中趋势:反映数据向其中心值凝聚的程度,对数据一般水平的概括性度量 离散趋势:反映数据偏离中心值的程度,是衡量集中趋势值对整个数据的代表程度。数据离散程度越大,集中趋势值代表性越低;反之,离散程度越接近于0,集中趋势值代表性越高 条形图和直...
谁说菜鸟不会数据分析(工具篇)----- 学习笔记2(数据分析:excel:power pivot)
1、数据分析方法: (1)呈现现状的描述性统计(power pivot :pp ),通过对比与细分进行现状及原因分析。可制作数据透视表,通过求和、求均值以及数据组成了解其构成,还可通过不同时间维度的对比,查找数据变化原因,最后制作相关图表对现状进行呈现及描述。 (2)展望未来的预测性分析,分析现有数据间的相关性,探寻数据之间存在的联系,并进一步建立相关回归模型(分析工具库)的方式对未来进行预测...
谁说菜鸟不会数据分析(入门篇)----- 学习笔记1(数据分析基本概念)
1、何谓数据分析 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这里的数据也称观测值,是通过实验、测量、观察、调查等方式获取的结果,常常以数量的形式展现出来。 数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来,总...
谁说大象不会跳舞谁说大象不会跳舞
<em>谁说</em>大象<em>不会</em>跳<em>谁说</em>大象<em>不会</em>跳<em>谁说</em>大象<em>不会</em>跳舞
谁说大象不能跳舞PDF(中文版)
许多个总是善意的但却很少刺 激和促进作用的慈善晚宴中的一个,参加这样的晚宴是纽约城的CEO 生活的一部分, 我作为RJR 纳贝斯克公司的CEO,当然也不能例外。当我刚走进自己位于第5 大道的 公寓还不到5 分钟,就听见电话铃响了,那是楼下的服务员打来的,现在已经将近晚上 10:00,这位服务员却告诉我说:“伯克先生想在今天晚上尽快见你。” 我感到很纳闷,因为我住的这个地方,左邻右舍是<em>不会</em>在这么晚的时候给自己的邻 居打电话的,于是我问这位服务员,是哪位伯克先生、他现在在哪里以及他是否的确希 望非得在今晚见面? 服务员的回答是:“吉姆·伯克。他就住在这幢公寓的楼上。而且,他的确是非常想 在今晚与你面谈。” 我并不十分了解吉姆·伯克,但是我却对他在强生公司的领导才能敬佩不已,就像 佩服他在处理美国Drug-Free 公司的合伙人关系上十分成功一样。早些年,伯克还因为 处理Tylenol 污染危机而成为一个商界传奇人物。我不知道他为何这么急切地要见我, 当我给他打电话时,他说他立刻就下楼来。
谁说大象不能跳舞——《读书笔记》
1、市场是我们一切行动的原动力。 2、我们最重要的成功标准,就是客户满意和实现股东价值。 3、绝不要忽视我们的战略性远景规划。 4、我们的思想和行动要有一种紧迫感。 5、杰出的和有献身精神的员工将无所不能,特别是当他们团结在一起作为一个团队展开工作时更是如此。 6、我们将关注所有员工的需要以及我们的业务得以开展的所有的社区的需要。公司文化 力争取胜 快速执行 团队精神IBM的领导模式
tensorflow73 使用RNN生成古诗和藏头诗
01 环境https://github.com/5455945/tensorflow_demo.git# 源码地址:https://github.com/5455945/tensorflow_demo.git # win10 Tensorflow_gpu1.2.1 python3.6.1 # CUDA v8.0 cudnn-8.0-windows10-x64-v5.1 #千万不要忘记下载数据文件 h
用pytorch框架搭建一个写藏头诗的模型
记得两年多以前,在网上看到一个关于机器生成诗歌的新闻,感觉好神奇。 工作之后开始用pytorch框架,忙里偷闲,自己也试做了这样一个模型。 先展示一下模型生成的两首五言诗(以‘宅女姜璐’以及‘宅女胡盼’为藏头): 宅中逢圣主,天子在中州。 女娲将军幕,胡兵入汉廷。 姜旌连赛路,旌旎入城隅。 璐落三千里,旌旗万里余。 宅中无一酣,家有一壶酒。 女子不相识,君家亦有谁。 胡为白马走,...
程序员必读诗
网上流传的描述<em>程序员</em>人生的诗:                         写字楼里写字间,写字间中<em>程序员</em>;                       程序人员写程序,又将程序换酒钱;                       酒醒只在屏前坐,酒醉还来屏下眠;                       酒醉酒醒日复日,屏前屏下年复年;                   
RNN实践之唐诗创作
尝试先用RNN玩一下唐诗创作,结果唐诗里面太多生僻字,所以仿照参考资料【4】创作一首歌。
分词统计(四)唐宋元诗人吟诗作词的时候,最偏爱哪些词语呢?(附上AI写的1000句诗!)
要知道诗人们最偏爱哪些词语,需要统计<em>诗词</em>中的高频词,可以利用”讯飞分词”做一个大致的统计。 本次统计了唐诗320首,宋词300首,元曲300首,总共920首,分词总量为14353个。 之前听说过国外的<em>人工智能</em>可以自己<em>写诗</em>了,其实掌握了我们古代<em>诗词</em>的大数据,加上对语义的理解,套上算法,我们就可以自己<em>写诗</em>了!。文章的后面我会放上一些简单的AI写的诗。 唐诗统计结果 分词总量67
关于程序员的诗句
我能抽象出整个世界...    但是我不能抽象出你...    因为你在我心中是那么的具体...    所以我的世界并不完整...    我可以重载甚至覆盖这个世界里的任何一种方法...    但是我却不能重载对你的思念...    也许命中注定了 你在我的世界里永远的烙上了静态的属性...    而我不慎调用了爱你这个方法...    当我义无返顾的把自己作为参数传进这个方法时.
未来五年,不懂人工智能程序员不会被淘汰
* 1. 话题背景* 最近<em>人工智能</em>很火,区块链很火。都吹的上天的,工资非常高。空口无凭,来看看相关的数据。 薪资高,人才缺口大。 2、<em>程序员</em>的分类 <em>程序员</em>有很多工种,前端,后台,Android,java,c++,c#,嵌入式,php,web,python,ios,汇编,shell,等等。 如此多的种类需要学的东西可不少啊。还记得在2012年左右的时候Android的开发工程师工资...
谁说菜鸟不会数据分析(工具篇)----- 学习笔记3(数据展现和日报月报自动化)
1、数据可视化的意义 交互性:用户能够方便地通过交互界面实现数据的管理、计算与预测 多维性:可从数据的多个属性或变量对数据进行切片、钻取、旋转等,以此剖析数据,从而能多角度、多方面分析数据 可视性:数据可用图像、二维图形、三维图形和动画等方式来展现,并可对其模式和相互关系进行可视化分析。 2、工具 google fusion tables many eyes nodexl 3、水晶易表...
《诗六十首》一个程序员写的诗
<em>程序员</em>的诗 她的诗 沦陷
一月集 一个会写诗程序员2019
冬至 ,昼与惆怅最短,夜与思念最长,愿你一切都好。 ——光剑 任何年龄的爱情都是合情合理的。心灵的爱情在腰部以上,肉体的爱情在腰部往下。任何年龄段的女人,都有她在那个年龄阶段所呈现出来的无法复刻的美。她因年龄而减损的,又因性格而弥补回来,更因辛勤劳动赢得了更多。 ——马尔克斯 那是他们如痴似狂地相爱的一年,他们天天都是白天思念,夜晚梦见,急切地等信和回信,...
人工智能”会让程序员失业吗?
也许会。 没有哪个行业敢说自己能永远持续下去,大概除了卖X。 但就算<em>程序员</em>行业真的没落了,到那个时候,世界上的其他行业一定早就凋零殆尽了。 电脑就像一个潜力无穷的新生儿,<em>程序员</em>就是将这个世界上的所有事物、技能以电脑能听懂的方式解释给电脑的人。就像是导师,也像是翻译。 <em>程序员</em>教会了电脑自动导航,制作纸质地图的人就失业了;<em>程序员</em>教会了电脑管理企业资源(ERP OA等),从事传统方式管理
谁说大象不能跳舞(英文原版Who Says Elephants Can't Dance)
格斯特纳在本书中综合了一个CEO所拥有的第一手资料,从一种客观的角度剖析了一个伟大公司之所以得以运转的方法,叙述了他在IBM精彩的任职生涯。 《<em>谁说</em>大象不能跳舞?》一书,充满激情地、坦然而直接地展示了格斯特纳得之不易的一些成功结论,并揭示了在他的领导下,IBM是如何从一个灾难性的濒临崩溃的大公司,重新又转变成了一个当今世界中最有啊的跨国公司之一。
人工智能时代,程序员要不要精通算法?
<em>人工智能</em>时代,<em>程序员</em>要不要精通算法?
使用这款小程序,你也可以在《中国诗词大会》上大放光彩
《中国<em>诗词</em>大会》中有一个环节——飞花令,是小编特别喜欢看的内容,选手几乎是无缝连接的对句,实在是精彩无比。​ 其实大家都发现,选手们答出的大多数都是我们熟悉的<em>诗词</em>,但是很多人看了节目估计都会在心里问自己,是否也能在几秒钟的时间内想到合适的诗句。反正小编肯定做不到的。前阵子,微博上一个三分钟飞花令的视频上了热搜,两个人连续对了49句带“月”字的<em>诗词</em>...
小程序源码[小程序demo] 微信小程序古诗文助手源码
小程序源码[小程序demo] 微信小程序古诗文助手源码小程序源码[小程序demo] 微信小程序古诗文助手源码,可以留言发,也可以下面下载点我下载
程序员自编的中华古诗词数据库在GitHub上火了!
今天,给大家推荐一个GitHub上的一个热门项目——Chinese-poetry ,截至今日,该项目已经获得了 9700 个「star」以及 1383 个「fork」。该...
网易云微专业课NLP总结:7.文本生成:写诗作词对对联
0.声明: 感谢网易云课堂平台,也感谢网易云课堂所有老师。 1.文本生成与自动创作
DL之RNN:人工智能为你写歌词(林夕写给陈奕迅)——基于TF利用RNN算法实现【机器为你作词】、训练&测试过程全记录
DL之RNN:<em>人工智能</em>为你写歌词(林夕写给陈奕迅)——基于TF利用RNN算法实现【机器为你作词】、训练&amp;amp;测试过程全记录 输出结果 1、test01 你的背包 一个人过我 谁不属了 不甘心 不能回头 我的背包载管这个 谁让我们是要不可 但求跟你过一生 你把我灌醉 即使嘴角从来未爱我 煽到你脖子 谁能凭我的比我 无赏 其实我的一切麻痹 我听过 不能够大到 爱人没有用 你想去哪里 如...
一位程序员的编程诗,很强!
我能抽象出整个世界... 但是我不能抽象出你... 因为你在我心中是那么的具体... 所以我的世界并不完整... 我可以重载甚至覆盖这个世界里的任何一种方法... 但是我却不能重载对你的思念... 也许命中注定了 你在我的世界里永远的烙上了静态的属性... 而我不慎调用了爱你这个方法... 当我义无返顾的把自己作为参数传进这个方法时... 我才发现爱上你是一个死循环... 它不...
大将军张宗昌诗集,不许笑严肃点
     今天为大家介绍一位文笔清奇、霸气侧漏的治愈系诗人——外号“狗肉将军”的奉系军阀张宗昌。张大帅作为打油界的诗圣,在小编心中有崇高地位,一起来欣赏下他那些全面吊打“老干部体”的经典作品。  先了解一下作者  张宗昌(1881—1932),字效坤,山东掖县人,民初军阀头目。人生是典型的逆袭模式,家贫早孤,以流氓身份踏上历史舞台,此后陆续当过东北土匪、海参崴工头、奉系军阀、山东省省长,最后死于军...
LSTM-实现写诗机器人
#数据处理 import collections import numpy as np start_token = 'B'#begin end_token = 'E'#end #数据集:总共有34646首诗,1721655个字(6110个去重后的字) def process_poems(file_name): # poems -&amp;gt; list of numbers诗集 p...
最高奖金60万元的人工智能大赛?!
近日,之江实验室举办了2018全球<em>人工智能</em><em>大赛</em>,最高现金奖金高达60万元! 之江实验室到的是一个什么样的实验室呢?之江实验室是目前浙江省在<em>人工智能</em>和信息领域最高端的研究机构,由浙江大学、浙江省政府和阿里巴巴共同斥资打造举办,目标推进基础研究和应用技术研究。毫无疑问,有这么一个厉害机构举办的比赛,必须是高端大气上档次的。 那这个全球<em>人工智能</em><em>大赛</em>到底是怎么样的呢?这个<em>大赛</em>分为创新类、创业类以及下一...
dreamweaver8.0最完整插件下载
dw8插件(共有16个,应该比较全了) .......\auto_scroller.mxp .......\average_distribute.mxp .......\clean_up_word_table.mxp .......\dhtml_scrollable_area.mxp .......\flat_button.mxp .......\insert_avi.mxp .......\list_menu_data.mxp .......\mp_flash.mxp .......\persistent_layers.mxp .......\popu 相关下载链接:[url=//download.csdn.net/download/ww514780859/950293?utm_source=bbsseo]//download.csdn.net/download/ww514780859/950293?utm_source=bbsseo[/url]
mysqlcheatsheet下载
mysql常用命令 mysqlcheatsheet 相关下载链接:[url=//download.csdn.net/download/megadeathslayer/2042817?utm_source=bbsseo]//download.csdn.net/download/megadeathslayer/2042817?utm_source=bbsseo[/url]
毕业设计之图书管理(采用ASP.NET2.0+SQL2005实现)下载
实现了图书管理的基本功能,包括开题报告、源码、演示PPT、最终论文,都是本人亲力所为,希望给大家提供帮助! 相关下载链接:[url=//download.csdn.net/download/zhangchiytu/2104786?utm_source=bbsseo]//download.csdn.net/download/zhangchiytu/2104786?utm_source=bbsseo[/url]
文章热词 人工智能 设计制作学习 机器学习教程 Objective-C培训 交互设计视频教程
相关热词 mysql关联查询两次本表 native底部 react extjs glyph 图标 培训人工智能程序员 学习人工智能程序员
我们是很有底线的