11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程

如果你已经能写 Python，也大致知道神经网络是什么，但一碰到序列数据就发怵——比如文本、时间序列、语音——那这门课值得花时间看一遍。它不讲空泛的概念，而是拿"生成唐诗"这个具体任务，把 RNN 和 LSTM 的工作方式拆开讲清楚。学完之后，你至少能独立搭出一个能按平仄和韵脚生成五言、七言句子的模型，而不是只会调包。

它解决的是哪类工作场景

普通前馈网络处理不了"前后有关联"的数据。一句话里第 5 个字的意思，取决于前 4 个字；一个时间点的销量，和上个月有关。RNN 就是为这种"带记忆"的场景设计的，LSTM 则进一步解决了长序列里梯度消失、记不住远处信息的问题。这门课把这条线索走完：先讲递归网络为什么需要隐藏状态、状态怎么在时间步之间传递，再用 LSTM 的门控结构说明它怎么决定"记住什么、忘掉什么"。理解这一层之后，你再去看文本分类、序列标注、时序预测，思路是通的。唐诗生成只是载体，它把"序列建模"这件事变得看得见结果——你输入开头两个字，模型往下续，好不好一眼就知道。

适合什么基础，先看哪几块

前提是你会 Python，用过 NumPy，最好接触过 TensorFlow 的基本张量操作。如果完全没碰过深度学习，直接上这门课会卡在代码上，建议先补一层神经网络基础再回来。资料里前半段是递归网络原理的讲解，篇幅不长，但这是全课的地基，不要跳。接着是手写字体识别那部分，它用 RNN 做图像序列的分类任务，作用是让你先熟悉"数据怎么组织成序列、模型怎么训练、损失怎么降下来"这套流程，比一上来就做生成任务友好得多。真正的主体是后面用 TensorFlow 搭唐诗生成网络的部分，课时最多，也是你要反复回看的地方。

学完能独立做什么，资料怎么用

跟完之后，你应该能自己完成这几件事：把一批唐诗整理成模型能吃的序列样本，处理成词表并做向量化；搭起带嵌入层和 LSTM 层的网络，设定输入输出；训练过程中观察损失变化，判断是欠拟合还是过拟合；用训练好的模型做采样生成，并通过调整温度参数控制生成的保守或发散程度。资料是视频形式，建议的用法是：原理部分正常看，代码部分不要只看，每看完一节就自己把代码敲一遍，尤其是数据预处理和采样生成这两段，它们最容易在细节上出错。手写识别那三节可以当作练手，做完再进入唐诗部分，节奏会顺很多。想再往前走一步，可以把同一套结构换成宋词、对联或者你自己的语料，改的是数据管道，模型主体基本不用动。