古诗生成模型优化版（基于 RNN）

本项目基于开源项目 taishan1994/pytorch_peot_rnn 进行修复与改进，旨在提升古诗生成效果，纠正原始代码中的数据划分和模型封装问题，并对超参数进行了重新设计优化。同时，增加了训练过程可视化、混合精度训练和GPU加速支持。

---

🔧 更新与修复说明

1. 修复训练集与测试集重叠的问题

• 原始 split_train_test 函数中，训练集和测试集使用了相同数据

• 现已修正为：

  • 训练集：data[:train_total]
  • 测试集：data[train_total:]

2. 修正生成函数中使用全局变量的问题

• Trainer.generate 和 Trainer.gen_acrostic 中原本直接调用全局变量 model
• 现已改为 self.model，符合面向对象设计原则，避免状态混乱

3. 修复函数调用参数不匹配问题

• 原始脚本中 get_data('./data/peot.txt', config) 与函数定义不符
• 已修正为 get_data(config)

4. 模型结构优化：GRU + 权重共享

• 将两层 LSTM 替换为参数更少的两层 GRU
• decoder 层与 embedding 权重共享，减少模型文件体积

5. 新增功能：训练过程可视化

• 训练结束后，会自动在 results/ 目录下生成并保存训练集和测试集的loss曲线图（loss_curve.png 和 loss_curve.pdf），方便分析训练效果。
• 同时会将loss数据保存为 loss_data.json。

6. 新增功能：混合精度训练

• 在支持CUDA的GPU上，默认启用混合精度训练（torch.cuda.amp），可显著提升训练速度并降低显存占用。

7. 新增功能：正则化以防止过拟合

• 在GRU层中加入了Dropout，以减少模型对训练数据的依赖，提升泛化能力。
• 通过调整weight_decay和采用早停策略（early stopping）来进一步缓解过拟合问题。

---

⚙️ 模型参数配置（为防止过拟合已调优）

self.num_epoch = 10  # 减少epoch数量，采用早停策略
self.batch_size = 128
self.lr = 5e-4       # 适当降低学习率
self.weight_decay = 5e-4 # 增大权重衰减
self.max_gen_len = 200
self.max_len = 125
self.embedding_dim = 512
self.hidden_dim = 512
# 在模型中（model.py），GRU层增加了 dropout=0.5

---

🚀 快速开始

安装依赖

pip install torch numpy tqdm matplotlib

训练与生成

python main.py

训练完成后会自动保存模型，并支持自由生成藏头诗或七言诗。

GPU加速

代码会自动检测可用的CUDA设备。如果你的机器上有NVIDIA GPU并已正确安装驱动和CUDA环境，程序会自动使用GPU进行训练。你可以通过运行以下命令来检查PyTorch是否能正确识别你的GPU：

python -c "import torch; print(f'CUDA available: {torch.cuda.is_available()}')"

---

📂 数据说明

由于版权或体积问题，本项目未附带训练语料文件 peot.txt。 请手动前往原始项目获取语料文件，并放入如下路径：

pytorch_peot_rnn/
└── data/
    └── peot.txt   # 古诗语料文本（UTF-8 编码）

原项目地址：https://github.com/taishan1994/pytorch_peot_rnn

---

📄 文件结构

pytorch_peot_rnn/
├── checkpoints/         # 模型保存路径
├── data/                # 数据文件夹（需自行添加 peot.txt）
├── model.py             # RNN 模型定义
├── main.py              # 主运行脚本
├── process.py           # 数据预处理与序列构建
├── train_eval.py        # 训练与验证逻辑
├── utils.py             # 工具函数
├── README.md

---

📌 项目目标与意义

本项目用于探索中文自然语言生成的基本方法，适合用于中文文本建模、古典文学 AI 创作、RNN 训练调优等方向的入门实践。优化后的版本提高了训练稳定性与生成质量，便于教学与项目延伸使用。

---

🙋‍♀️ 联系与贡献

欢迎提交 issue、提出建议或 fork 后参与改进。 你可以在本项目基础上拓展支持：

• LSTM、GRU 替代基本 RNN
• Transformer-based 古诗生成
• 加入平仄对仗约束