当前位置: 首页 > article >正文

基于RNN+微信小程序+Flask的古诗词生成应用

项目介绍

平台采用B/S结构,后端采用主流的Flask框架进行开发,古诗词生成采用RNN模型进行生成,客户端基于微信小程序开发。是集成了Web后台开发、微信小程序开发、人工智能(RNN)等多个领域的综合性应用,是课设和毕设的良好参考应用。

功能介绍 

  • 古诗词生成:基于RNN实现,支持生成藏头诗和打头诗
  • 生成记录保存:支持对所有的生成记录进行后台保存
  • 可视化展示:支持Echarts展示访问次数,生成成功和失败的比例

代码路径 

朝树夕拾源码站/python_rnn_poemhttps://gitee.com/jdigood/python_rnn_poem

项目展示

微信小程序界面,通过输入关键字,生成藏头诗,效果如下图:

调用手机摄像头拍照 ,然后对拍照的结果生成古诗词,以及对异常输入进行过滤。

后端管理平台记录所有的生成记录:

使用Echarts可视化展示生成记录:

详细功能列表:

开发环境

  1. 系统处理器:4核心2Ghz及以上处理器;
  2. 内存:8GB内存或以上;
  3. 磁盘:500GB机械硬盘或固态硬盘
  4. 显卡:电脑集成显卡或者独立显卡均可,非强制要求。
  5. 操作系统:Windows 10或更高版本;
  6. Python:Python 3.6或更高版本;
  7. PyTorch:PyTorch 1.3或更高版本;
  8. 代码编辑器:Visual Studio Code、PyCharm等

http://www.kler.cn/a/579280.html

相关文章:

  • postman接口请求中的 Raw是什么
  • C++算法——差分
  • 从 GitHub 批量下载项目各版本的方法
  • 复合机器人:重新定义生产流程的核心引擎
  • Oracle SQL优化实战要点解析(11)——索引、相关子查询及NL操作(1)
  • 基于Spring Boot的城市垃圾分类管理系统的设计与实现(LW+源码+讲解)
  • 深度学习驱动的智能化革命:从技术突破到行业实践
  • Redis篇:基础知识总结与基于长期主义的内容更新
  • 降级选型啊
  • [数据结构算法递归]另一棵树的子树
  • IMX6ULL驱动开发Linux篇02——移植Rootfs
  • 如何在unity中完整录制一段动画
  • Python数据可视化创意分享:探索数据背后的故事
  • 跟踪性能提高11%|端到端新架构DMAD:通过分离语义-运动学习解决负迁移难题
  • C++ 数据结构详解及学习规划
  • Unity RenderFeature Configure和OnCameraSetup之区别
  • Python 数据可视化
  • Windows11下玩转 Docker
  • 数据结构第八节:红黑树(初阶)
  • 使用数据库和缓存的时候,是如何解决数据不一致的问题的?