这个工作尝试使用文本生成的内容作为学习内容。看看这个思路是否具有可行性 #
文本生成的相关工具 #
MobileBERT tensorflow 文本处理相关 https://www.tensorflow.org/tutorials/text/transformer
Gpt-2 #
Gpt-2 在线测试。 https://deepai.org/machine-learning-model/text-generator https://transformer.huggingface.co/doc/distil-gpt2
Gpt-2 的测试结构表明： 没有fine-tune, 文本生成的内容绝对不能作为学习材料，因为可靠性太差。
Gpt-3 #
Gpt-3的测试 案例：用于媒体广告灵感生成 测试地址
像这样的生产，不是以文字打头，而是用基于内容的随机采样，是可以用于生成初始的讲解数据的 但是还是有大量不相干的内容采样。需要平台整理，
我意识到，文本生成的内容既不可控又不可靠。用于产生学习的内容, 其实需要的并不是文本采样工具。文本生成只是我接触到的相关的概念。但是我需要什么样的工具应该重新分析
VAE 和 SEQ2SEQ 的文本生成 #
评：
* 指定关键词生成内容是可能的。
* 但是是不是总是生成
* 逻辑上是否合理，没有保证
* 但是只要有一些显然是合理的生成内容，就可以部分解决问题
2021-10-05 23:52:50 星期二
文本生成的实现办法，这个视频讲了挺多实现办法 #
https://uai.greedyai.com/ai-open-courses/the-generation-problem-in-the-dialogue-system
10/06/2021
hugging face 提供的，基于GPT-2的文本生成 #
https://huggingface.co/gpt2?text=A+long+time+ago%2C
2021-10-30 13:16:31