除了方文山，用TA你也能帮周杰伦写歌词了

周杰伦几乎陪伴了每个90后的青春，那如果AI写杰伦风格的歌词会写成怎样呢？

首先当然我们需要准备杰伦的歌词，这里一共收录了他的十几张专辑，近5000多行歌词。

原文档格式：

第一步数据预处理

def preprocess(data):

    """

    对文本中的字符进行替换，空格转换成逗号；换行变为句号。

    """

    data = data.replace(' ', '，')

    data = data.replace('\n', '。')

    words = jieba.lcut(data, cut_all=False) # 全模式切词



    return words

处理后结果：

前10个词: ['想要', '有', '直升机', '。', '想要', '和', '你', '飞到', '宇宙', '去']

将处理完的数据写入内存并将文本转换完数字

# 构造词典及映射

vocab = set(text)

vocab_to_int = {w: idx for idx, w in enumerate(vocab)}

int_to_vocab = {idx: w for idx, w in enumerate(vocab)}



# 转换文本为整数

int_text = [vocab_to_int[w] for w in text]

构建神经网络

a. 构建输入层

def get_inputs():

    inputs = tf.placeholder(tf.int32, [None, None], name='inputs')

    targets = tf.placeholder(tf.int32, [None, None], name='targets')

    learning_rate = tf.placeholder(tf.float32, name='learning_rate')

    return inputs, targets, learning_rate

b. 构建堆叠RNN单元

其中rnn_size指的是RNN隐层神经元个数

def get_init_cell(batch_size, rnn_size):

    lstm = tf.contrib.rnn.BasicLSTMCell(rnn_size)

    cell = tf.contrib.rnn.MultiRNNCell([lstm])

    

    initial_state = cell.zero_state(batch_size, tf.float32)

    initial_state = tf.identity(initial_state, 'initial_state')

    return cell, initial_state

c. Word Embedding

因为单词太多，所以需要进行embedding，模型中加入Embedding层来降低输入词的维度

def get_embed(input_data, vocab_size, embed_dim):

    embedding = tf.Variable(tf.random_uniform([vocab_size, embed_dim], -1, 1))

    embed = tf.nn.embedding_lookup(embedding, input_data)

    

    return embed

d. 构建神经网络，将RNN层与全连接层相连

其中cell为RNN单元； rnn_size: RNN隐层结点数量；input_data即input tensor；vocab_size：词汇表大小； embed_dim: 嵌入层大小

def build_nn(cell, rnn_size, input_data, vocab_size, embed_dim):

    embed = get_embed(input_data, vocab_size, embed_dim)

    outputs, final_state = build_rnn(cell, embed)

    

    logits = tf.contrib.layers.fully_connected(outputs, vocab_size, activation_fn=None)

    

    return logits, final_state

e. 构造batch

这里我们根据batch_size和seq_length分为len//(batch_size*seq_length)个batch，每个batch包含输入和对应的目标输出

def get_batches(int_text, batch_size, seq_length):

    '''

    构造batch

    '''

    batch = batch_size * seq_length

    n_batch = len(int_text) // batch

    

    int_text = np.array(int_text[:batch * n_batch]) # 保留能构成完整batch的数量

    

    int_text_targets = np.zeros_like(int_text)

    int_text_targets[:-1], int_text_targets[-1] = int_text[1:], int_text[0]

    

    # 切分

    x = np.split(int_text.reshape(batch_size, -1), n_batch, -1)

    y = np.split(int_text_targets.reshape(batch_size, -1), n_batch, -1)

    

    return np.stack((x, y), axis=1) # 组合

模型训练

from tensorflow.contrib import seq2seq

train_graph = tf.Graph()

with train_graph.as_default():

    vocab_size = len(int_to_vocab) # vocab_size

    input_text, targets, lr = get_inputs() # 输入tensor

    input_data_shape = tf.shape(input_text)

    # 初始化RNN

    cell, initial_state = get_init_cell(input_data_shape[0], rnn_size)

    logits, final_state = build_nn(cell, rnn_size, input_text, vocab_size, embed_dim)

    # 计算softmax层概率

    probs = tf.nn.softmax(logits, name='probs')

    # 损失函数

    cost = seq2seq.sequence_loss(

        logits,

        targets,

        tf.ones([input_data_shape[0], input_data_shape[1]]))

    # 优化函数

    optimizer = tf.train.AdamOptimizer(lr)

    # Gradient Clipping

    gradients = optimizer.compute_gradients(cost)

    capped_gradients = [(tf.clip_by_value(grad, -1., 1.), var) for grad, var in gradients if grad is not None]

    train_op = optimizer.apply_gradients(capped_gradients)

训练结果

Epoch  72 Batch   24/33   train_loss = 0.108

Epoch  75 Batch   25/33   train_loss = 0.104

Epoch  78 Batch   26/33   train_loss = 0.096

Epoch  81 Batch   27/33   train_loss = 0.111

Epoch  84 Batch   28/33   train_loss = 0.119

Epoch  87 Batch   29/33   train_loss = 0.130

Epoch  90 Batch   30/33   train_loss = 0.141

Epoch  93 Batch   31/33   train_loss = 0.138

Epoch  96 Batch   32/33   train_loss = 0.153

Model Trained and Saved

train_loss还不错，不过可能过拟合了。

最后让我们加载模型，看看生成情况   

 # 加载模型

    loader = tf.train.import_meta_graph(save_dir + '.meta')

    loader.restore(sess, save_dir)

    # 获取训练的结果参数

    input_text, initial_state, final_state, probs = get_tensors(loaded_graph)

    # Sentences generation setup

    gen_sentences = [prime_word]

    prev_state = sess.run(initial_state, {input_text: np.array([[1]])})

    # 生成句子

    for n in range(gen_length):

        dyn_input = [[vocab_to_int[word] for word in gen_sentences[-seq_length:]]]

        dyn_seq_length = len(dyn_input[0])

        # 预测

        probabilities, prev_state = sess.run(

            [probs, final_state],

            {input_text: dyn_input, initial_state: prev_state})

        # 选择单词进行文本生成，用来以一定的概率生成下一个词

        pred_word = pick_word(probabilities[0][dyn_seq_length - 1], int_to_vocab)

        gen_sentences.append(pred_word)

哎哟不错哦！

最后的最后我还扩大了歌词库，这次引入了更多流行歌手，来看看效果吧。

好像更不错了！

如果你也喜欢杰伦，请点赞并分享生成的歌词。

点击这里→了解更多精彩内容