-
Notifications
You must be signed in to change notification settings - Fork 2
/
readme~
62 lines (40 loc) · 1.66 KB
/
readme~
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
## 情感分析的神经网络方法
### 复现过程:
前提:
* 使用邀请码在官网进行注册
* [在本地安装 cli 客户端](http://docs.russellcloud.com/get-started/install.html)
* 在cli客户端通过login登录
第一步:在官网创建项目
点击 项目创建页 创建项目,默认环境选:keras (注意不要选 kera:py2 )
第二步:绑定本地项目
```
#clone项目代码
git clone https://github.com/RussellCloud/poetry_generator.git
#进入项目目录
cd poetry_generator
#创建项目
russell init --name poetry_generator
```
第二步:训练模型(可跳过,直接使用在下一步使用预先训练好的model)
```
#运行模型训练代码并引用数据云上已经准备好的数据集
russell run "python trainer.py" --data ee3da33467b04b4680ab31f523aeea6f
#查看训练日志
russell logs <run_id>
#由于封测期间暂未采用GPU机器,因此训练需要一个晚上的时间
#训练结束后通过info命令获取项目输出output_id
russell info <run_id>
#通过output命令在浏览器中查看或下载输出文件
russell output <run_id>
```
现在可以直接浏览输出的模型目录:[训练好的模型](http://dl.russellcloud.com/RussellCloud/dataset/poetry_generator-output/4/)
第三步:使用预训练模型生成诗词
```
# 运行诗词生成代码并引用上一步中生成的模型数据
# <output_id>是上一步训练过程中通过info命令获取到的id
# 如跳过上一步,可直接使用预先训练好model的数据集:f030014be22b4965987d5b45f7093711
russell run "python gen_poetry.py" --data <output_id>
#从日志中查看生成的诗词
russell logs <run_id_2>
#顺利结束
```