为了[db:标签]��钢铁行业[db:标签]��直男们提供一个浪漫而优雅的八月二十五日七夕节，R&D的飞桨人员也很辛苦！为了让开发者受益，我加班在PAddleHub上推出了人工智能爱情词和爱情诗模型！

没什么好说的，让我们直接看看效果吧！

人工智能爱情词汇测量结果显示

　输入：

你问我有多喜欢你

　　生成

你问我有多喜欢你，

我也不能说，

我心里知道，

我宁愿和你吵架，也不愿爱别人。

　哎妈呀，泪奔了，哭的不要不要的!

　　再试试，输入：

你有打火机吗？

　生成：

你有打火机吗？不要。那你是如何点燃我的心？

效果爆炸，这只是一个人工智能的爱情对话功能。

如果整首诗写在一张小卡片上，女神的心会立即变成一股向东流的泉水。

　AI藏头诗实测效果展示

　输入：

我爱秋香

　生成：

我的慕斯人没有官职，

爱闲可以让几个人闲着。

看看秋来的名气，

群山充满了芳香和白雪。

第一次世界大战隐藏了功绩和名声！

目前，显示页面仅限于七个字符的绝句。如果你还需要其他七言绝句、五言绝句和五言绝句，你可以用代码来称呼它们，效果很好！

你赶时间吗？我好像看到一群大老头在杀我。

我会交出链接。来我们的PaddleHub官方网站体验一下吧：

https://www.paddlepaddle.org.cn/hub/scene/aiwriting

　这是怎么做到的？

这种爆发效应的背后，离不开顶级的ERNI-GEN算法。什么？我不知道。ERNI-GEN？ERNIE听说过它，它是NLP领域模型的领导者，赢得了许多奖项！后来，经过不断的研究和开发，ERNI衍生出许多其他的模型或组件，形成了ERNI家族！ERNI-GEN就是其中之一。

　热心的说明：下面是讲技术的环节，想了解怎么用的小伙伴可以快速往下滑

ERNI-GEN是一个用于生成任务的预训练微调框架，它首次在预训练阶段增加了逐跨生成任务，这样模型每次都能生成一个语义完整的片段。在预训练和微调中，通过填充生成机制和噪声感知机制缓解了曝光偏差问题。此外，ERNI-GEN采用多片段多粒度的目标文本采样策略，增强了源文本和目标文本之间的相关性，增强了编码器和解码器之间的交互。

有关更多详细信息，请参见文章Ernie-gen :《自然语言生成的增强多流预训练和微调框架》

通过加载ERNIE 1.0中文模型参数，启动由ERNI-GEN算法衍生的人工智能爱情词(ernie _ gen _ lover _ words)和人工智能藏语诗(Ernie _ Gen _ Acrostic _ poety)，然后基于ERNI-GEN框架，利用开发人员在互联网上收集的爱情诗和爱情词数据进行微调。与传统的Seq2Seq方法相比，该模型在实际应用中具有更强的泛化能力，甚至可以理解用于微调的数据集中没有出现的单词或句子。例如，输入“边肖让每个人都知道程序员情人节”，它将输出：

事实上，“程序员”和“数据库”这两个词从未出现在爱情词数据集中，但由于ERNIE这种知识增强的语义表示模型所带来的泛化能力，该模型仍然能够理解它们之间的关系。同时，ERNI-GEN独特的填充生成机制和噪声感知生成策略使微调后的模型文本生成效果更加自然流畅。与基于RNN和Seq2Seq的传统生成方法相比，所需的训练数据更少，文本生成效果更具内涵。

正如模型输出所说，我希望我们的程序能在七夕正常工作，这样每个人都能有信心过一个快乐的情人节。

　想知道怎么用吗？

整个预训练模型只需要安装PaddlePaddle和PaddleHub，所有兄弟都需要知道运行的基本Python。

PaddleHub的开发者为文本生成提供了四种示例代码：人工智能爱情词、人工智能藏族诗歌、人工智能对联和人工智能诗歌写作。通过笔记本文件，我们可以更形象地了解使用模型的整个过程。人工智能工作室项目地址如下：

https://aistudio.baidu.com/aistudio/projectdetail/746002

下面是人工智能爱情谈话预训练模型的代码。

将paddlehub导入为中心

#导入培训前模型

模块=集线器。模块(名称='厄尼_根_情人_单词')

#准备输入开始数据

测试文本=['情人节']

#执行文本生成

结果=模块。生成(文本=测试文本，使用图形处理器=真，光束宽度=5)

#打印结果

对于结果：中结果

打印(结果)

运行此脚本后，我们可以接收货物。

哎呀，甜度太高了，有点高

[2020-08-21 20:58:08，095] [ INFO] -安装ernie _ gen _ lover _ words模块

[2020-08-21 20:58336008，097] [ INFO] -模块ernie _ gen _ lover _ words已安装在/home/aistudio/。paddle hub/modules/Ernie _ gen _ lover _ word

[‘情人节那天，我想做一条鱼，让你红烧，白煮，蒸，然后躺在你温柔的肚子里。’情人节，我太想你了，我弄坏了电话线，烧了手机卡，掏空了钱包包，吃了所有的安眠药，唉！但我仍然想你情人节，我太想你了，我弄坏了电话线，烧了手机卡，掏空了钱包包，吃了所有的安眠药，唉！但我仍然想你，祝你情人节快乐！”情人节，我太想你了，我弄坏了电话线，烧坏了手机卡，掏空了钱包包，吃了所有的安眠药，唉！但是我仍然想你，祝你情人节快乐！情人节，我太想你了，我弄坏了电话线，烧了手机卡，掏空了钱包包，吃了所有的安眠药，唉！但我仍然想你]

如果需要服务部署，使用PaddleHub在服务器端的部署也非常简单，可以通过命令行直接在服务器上启动模型：

！hub service start-m Ernie _ gen _ lover _ word-p 8866

是的，就这么简单。让服务器端排成一行！与手动配置各种参数或调用各种框架相比，PaddleHub的服务器端部署非常容易使用。

只要部署在服务器端完成，其余的就在客户端调用。以下是客户端向服务器发送推理请求的示例脚本，包括对输入文本进行推理、发送推理请求以及返回和保存推理结果。

导入请求

导入json

#发送超文本传输协议请求

数据={ '短信' :['情人节']，

使用_gpu':False，'波束宽度' :5}

标头={ '内容类型' : '应用程序/json'}

URL=' http://127 . 0 . 0 . 1:8866/predict/Ernie _ gen _ lover _ word '

r=requests.POSt(url=url，headers=headers，data=json.dumps(data))

#保存结果

results=r.json()['results']

对于结果：中结果

打印(结果)

如下所示，运行脚本后，您可以从服务器获得推理结果。

会飞桨的PaddleHub帮助我们完成了各种加工。我相信，只要有一些Python基础，就可以在本地预测并部署到服务器上。

更多预训练模型，马上了解PaddleHub

你所看到的人工智能情话，包括前一次流行期间的开源面具人脸检测模型，只是飞行桨模型生态学的冰山一角。更多高质量的预训练模型，请登录飞桨官方网站了解。

地址：https://www.paddlepaddle.org.cn/hublist

　　欢迎关注课程直播

飞桨模式的生态发展离不开每个开发者的贡献。值得一提的是，这个人工智能爱情故事模型也是由基于ERNI-GEN的开发人员在人工智能工作室平台上培训的，并贡献给了PaddleHub。我们也欢迎更多的开发人员加入进来，一起玩深度学习模型，看看有什么有趣的任务可以满足七夕的需要。

与此同时，我们相信仍有许多技术专家想知道更多关于微调模型的技术细节。为了满足大家的需求，我们将于8月27日19: 00在【划桨】B台开设现场直播课。请注意~