使用 RNN 生成唐诗
这一例子中我们将会在 RussellCloud 上示范如何用 RNN 生成唐诗（poetry_generator）。
您将在这个例子中学会：
- 如何使用已有数据集训练自己的模型
- 输出模型为数据集便于以后操作使用
- 使用输出的中间模型
目录：
准备：
- 注册 RussellCloud 账号
- 在本地安装 cli 客户端
- Clone 项目文件，Git地址
# clone项目 $ git clone https://github.com/RussellCloud/poetry_generator - 登录 cli 工具
# 使用russell login命令登录 $ russell login
项目准备：
新建项目
点击[项目创建页]创建名为Poetry_Generator的项目，默认环境选：tensorflow-0.12 (注意不要选 tensorflow-0.12:py2 )
初始化项目
你可以选择使用项目名初始化，也可以在项目概览上复制项目概览ID用 --id 参数初始化。
# 进入项目目录
$ cd poetry-generator
# 初始化项目
$ russell init --name Poetry-Generator
# 或使用russell init --id <项目概览ID>初始化
$ russell init --id XXX
训练模型
启动训练模型任务
使用 russell run 命令启动一个任务训练我们的唐诗生成模型。这里我们需要挂载一个唐诗的数据集到/input/data下，所以我们指定挂载名为data。唐诗数据集的 ID 为：ee3da33467b04b4680ab31f523aeea6f。
# 运行模型训练代码并引用数据云上已经准备好的数据集
$ russell run "python trainer.py" --data ee3da33467b04b4680ab31f523aeea6f:data --gpu
# 如果未使用GPU机器，则训练需要一个晚上的时间，使用--gpu参数可以使用GPU机器，将训练缩短到三十分钟
此代码在训练过程中并没有什么日志输出，但是你可以通过查看主页上的任务运行状况来了解其是否正确运行。如果运行出现问题，一般会在3分钟之内就结束，你需要检查任务日志查找和解决问题。这里也能看到 GPU机器 和 CPU机器 的运行速度差别。
输出训练模型
输出训练模型为数据集与查看输出文件类似，都是通过查看网页上运行任务的“输出”一栏来输出。这里输出为一个新建的数据集poetry-generator-model。
你可以直接浏览我们示例输出的模型：训练好的模型
使用训练的模型生成诗词
启动诗词生成任务
我们仍然使用这个上传好的项目，但这次运行的是生成代码，而且挂载的也换成了我们刚才生成的模型数据集。已经训练好的模型数据集版本ID：f030014be22b4965987d5b45f7093711
# 运行诗词生成代码并引用上一步中生成的模型数据，你可以将ID替换为自己生成的模型版本ID，注意：一定不要将版本ID与概览ID混淆
$ russell run "python gen_poetry.py" --data f030014be22b4965987d5b45f7093711:model
查看输出的诗词
这个生成诗词代码是直接输出在日志中，所以我们要通过任务ID获取日志，当然你也可以在网站的任务界面直接看日志。
#从日志中查看生成的诗词
$ russell logs <run_id>
运行结果：
帮助我们完善文档
本文档同步公开在 GitHub 上。团队在尽力完善文档，但错误难免存在，或许有些功能迭代也未能及时更新在文档上。若你有什么新的想法或体验，欢迎提交 Pull Request 为我们提供支持。
除此之外，你还可以通过 issue 直接提交问题。