607f17b
updata markdown yangsaisai 6 years ago
3 changed file(s) with 38 addition(s) and 126 deletion(s). Raw diff Collapse all Expand all
+19
-3
.ipynb_checkpoints/OVERVIEW-checkpoint.md less more
00
1 ## 介绍
1 ## 概述
2 利用 LSTM 神经网络，输入提供的词语，输出对应的藏头诗或藏字诗。
23
3 利用 LSTM 神经网络，输入提供的词语，输出对应的藏头诗或藏字诗。
4 例如，在输入框中输入 “小莫最棒” ，选择需要输出的诗词类型，点击提交，生成的古诗词为：“小田高枕声清晓，莫学石榴垆里中。最有雁中琴乍坛，棒中无事不相逢。”
4
5 ## 输入
6 |参数|描述|类型
7 |:--:|:--:|:--|
8 |Chinese_word|输入4个汉字|str|
9 |style|选择类型|自选|
10
11 ## 输出
12 |参数|描述|类型
13 |:--:|:--:|:--|
14 |Poetry|输入一首古诗|str|
15
16
17
18 ## 实例
19 在输入框中输入 “小莫最棒” ，选择需要输出的诗词类型，点击提交，生成的古诗词为：
20 小田高枕声清晓，莫学石榴垆里中。最有雁中琴乍坛，棒中无事不相逢。
521 每次提交生成的结果都不一样，你可以从中选择一个最好的，赶快来体验吧～⏎
+19
-3
OVERVIEW.md less more
00
1 ## 介绍
1 ## 概述
2 利用 LSTM 神经网络，输入提供的词语，输出对应的藏头诗或藏字诗。
23
3 利用 LSTM 神经网络，输入提供的词语，输出对应的藏头诗或藏字诗。
4 例如，在输入框中输入 “小莫最棒” ，选择需要输出的诗词类型，点击提交，生成的古诗词为：“小田高枕声清晓，莫学石榴垆里中。最有雁中琴乍坛，棒中无事不相逢。”
4
5 ## 输入
6 |参数|描述|类型
7 |:--:|:--:|:--|
8 |Chinese_word|输入4个汉字|str|
9 |style|选择类型|自选|
10
11 ## 输出
12 |参数|描述|类型
13 |:--:|:--:|:--|
14 |Poetry|输入一首古诗|str|
15
16
17
18 ## 实例
19 在输入框中输入 “小莫最棒” ，选择需要输出的诗词类型，点击提交，生成的古诗词为：
20 小田高枕声清晓，莫学石榴垆里中。最有雁中琴乍坛，棒中无事不相逢。
521 每次提交生成的结果都不一样，你可以从中选择一个最好的，赶快来体验吧～⏎
+0
-120
faas_requirements.txt less more
0 absl-py==0.7.0
1 alembic==1.0.8
2 astor==0.7.1
3 attrs==19.1.0
4 autopep8==1.4
5 backcall==0.1.0
6 bleach==3.1.0
7 certifi==2019.3.9
8 chardet==3.0.4
9 cloudpickle==0.8.0
10 cycler==0.10.0
11 Cython==0.29.6
12 dask==1.1.4
13 decorator==4.4.0
14 defusedxml==0.5.0
15 entrypoints==0.3
16 future==0.16.0
17 gast==0.2.2
18 grpcio==1.19.0
19 h5py==2.9.0
20 html5lib==1.0.1
21 idna==2.8
22 imageio==2.5.0
23 imgaug==0.2.8
24 ipykernel==5.1.0
25 ipython==7.4.0
26 ipython-genutils==0.2.0
27 jedi==0.13.3
28 jieba==0.39
29 Jinja2==2.10
30 jsonschema==3.0.1
31 jupyter-client==5.2.4
32 jupyter-core==4.4.0
33 jupyterhub==0.8.1
34 jupyterlab==1.0.0a1
35 jupyterlab-launcher==0.10.5
36 jupyterlab-server==0.2.0
37 Keras==2.2.4
38 Keras-Applications==1.0.7
39 Keras-Preprocessing==1.0.9
40 kiwisolver==1.0.1
41 Mako==1.0.8
42 Markdown==3.0.1
43 MarkupSafe==1.1.1
44 matplotlib==3.0.3
45 mccabe==0.6.1
46 mistune==0.8.4
47 mock==2.0.0
48 nbconvert==5.4.1
49 nbformat==4.4.0
50 networkx==2.2
51 nltk==3.4
52 notebook==5.7.6
53 numpy==1.16.2
54 opencv-python==4.0.0.21
55 pamela==1.0.0
56 pandas==0.24.2
57 pandocfilters==1.4.2
58 parso==0.3.4
59 pbr==5.1.2
60 pexpect==4.6.0
61 pickleshare==0.7.5
62 Pillow==5.4.1
63 pluggy==0.7.1
64 prometheus-client==0.6.0
65 prompt-toolkit==2.0.9
66 protobuf==3.6.1
67 ptyprocess==0.6.0
68 pycodestyle==2.4.0
69 pydocstyle==2.1.1
70 pydot==1.4.1
71 pyflakes==2.0.0
72 Pygments==2.3.1
73 pyparsing==2.3.1
74 pyrsistent==0.14.11
75 python-dateutil==2.8.0
76 python-editor==1.0.4
77 python-jsonrpc-server==0.0.1
78 python-language-server==0.21.2
79 python-oauth2==1.1.0
80 pytz==2018.9
81 PyWavelets==1.0.2
82 PyYAML==5.1
83 pyzmq==18.0.1
84 requests==2.21.0
85 rope==0.11.0
86 scikit-image==0.14.2
87 scikit-learn==0.20.3
88 scipy==1.2.1
89 seaborn==0.9.0
90 Send2Trash==1.5.0
91 Shapely==1.6.4.post2
92 simplegeneric==0.8.1
93 singledispatch==3.4.0.3
94 six==1.12.0
95 snowballstemmer==1.2.1
96 SQLAlchemy==1.3.1
97 stevedore==1.30.1
98 tensorboard==1.13.0
99 tensorflow==1.13.1
100 tensorflow-estimator==1.13.0
101 termcolor==1.1.0
102 terminado==0.8.1
103 testpath==0.4.2
104 toolz==0.9.0
105 torch==1.0.1.post2
106 torchvision==0.2.2.post3
107 tornado==6.0.2
108 tqdm==4.31.1
109 traitlets==4.3.2
110 urllib3==1.24.1
111 virtualenv==16.4.3
112 virtualenv-clone==0.5.1
113 virtualenvwrapper==4.8.4
114 wcwidth==0.1.7
115 webencodings==0.5.1
116 Werkzeug==0.14.1
117 word2vec==0.10.2
118 xlrd==1.2.0
119 yapf==0.24.0