在jupyter notebook中构建机器作诗

在 Jupyter Notebook 中构建机器作诗通常涉及到自然语言处理（NLP）和生成式模型的应用，比如使用循环神经网络（RNNs），尤其是长短期记忆网络（LSTM）或Transformer模型进行文本生成。以下是一个简要的步骤指南：

1. 安装必要的库：首先，确保你已经安装了像`numpy`、`pandas`、`torch`（PyTorch）、`transformers`（Hugging Face库）等Python库。

2. 数据准备：收集诗歌数据集，可以选择已有的古诗词或其他诗歌资源，然后预处理数据，包括分词、编码（如使用词嵌入如Word2Vec或GloVe）。

3. 构建模型：使用深度学习库（如PyTorch）创建一个文本生成模型，可以选择适合的模型结构，例如基于LSTM的seq2seq模型或Transformer的Decoder部分。

4. 训练模型：将预处理的数据输入模型进行训练，优化目标是使模型能够预测下一个词，经常使用交叉熵损失函数。

5. 生成诗歌：训练完成后，可以使用模型的`sample()`或`generate()`方法，设定一定的上下文或开始词，让模型生成新的诗句。

6. 评估和调整：检查生成的诗歌质量，如果不够满意，可能需要调整模型参数、增加训练时间或者尝试不同的模型架构。

相关问题：
1. Jupyter Notebook是什么？它如何支持代码执行？
2. 什么是词嵌入？在文本生成中有什么作用？
3. 如何评估生成的诗歌是否符合诗歌规则和韵律？
4. 如果想要增加模型的创造力，如何调整生成策略？
5. 如何保存和加载预训练的文本生成模型？