‹›训练网络模仿英语
这个例子演示了如何训练递归神经网络来生成英语文本。
首先，创建300000个训练示例，每个示例由两部小说中的25个角色组成。
以分类问题的形式对数据进行采样：给定一个字符序列，预测下一个字符。
获取文本中所有字符的列表。
建立一个能够同时预测整个序列的网络。请注意，不是使用序列LastLayer在a之前线性图层，一个NetMap操作员使用。因此，网络同时为每个字符预测序列中的下一个字符，而不仅仅是预测序列的最后一个字符。
现在，构建一个“教师强制”网络，以“交错”的方式将目标句子呈现给网络：对于长度为26的句子，将字符1到25呈现给网络，以便网络生成字符2到26的预测，并通过交叉熵损失层造成损失。
根据原始数据的输入序列训练网络。
从结果中提取预测链。
从中构建一个单字符预测链。
测试预测器。
创建一个NetState对象高效生成文本。
根据网络学习的分布生成200个字符。生成的文本与英语相似，但许多单词甚至不是英语，因为它是在一个小语料库（大约200万个字符）上训练的。
相比之下，类似的网络训练了大约10亿个字符。
