下列函数将原分布加入 temperature 后通过\((1.1)\)式转换为新分布，再从新的多项式分布中随机抽样获得最有可能出现的字符索引。
def sample(preds, temperature=1.0): if not isinstance(temperature, float) and not isinstance(temperature, int): print("temperature must be a number") raise TypeError preds = np.asarray(preds).astype('float64') preds = np.log(preds) / temperature exp_preds = np.exp(preds) preds = exp_preds / np.sum(exp_preds) probas = np.random.multinomial(1, preds, 1) return np.argmax(probas)最后定义一个文本生成函数：
def write(model, temperature, word_num, begin_sentence): gg = begin_sentence[:30] # 初始文本 print(gg, end='/// ') for _ in range(word_num): sampled = np.zeros((1, maxlen, len(chars))) for t, char in enumerate(gg): sampled[0, t, char_indices[char]] = 1.0 preds = model.predict(sampled, verbose=0)[0] if temperature is None: # 不加入temperature next_word = chars[np.argmax(preds)] else: next_index = sample(preds, temperature) # 加入temperature后抽样 next_word = chars[next_index] gg += next_word gg = gg[1:] sys.stdout.write(next_word) sys.stdout.flush()初始文本是
begin_sentence = whole[50003: 50100] print(begin_sentence[:30]) # 一块的红布腰带来。“有这个，我就饿不着！”说完，他赶紧把小褂不使用 temperature 生成：
write(model, None, 450, begin_sentence)一块的红布腰带来。“有这个，我就饿不着！”说完，他赶紧把小褂/// 又扣好。
“可是，叫二毛子看见，叫官兵看见，不就……”“是呀！”十成爽朗地笑了一声。
“我这不是赶快系好了扣子吗？二哥，你是好人！官兵要都象你，我们就顺利多了！哼，
有朝一日，我们会叫皇上也得低头！”
“十成，”二哥掏出所有的几吊钱来，“拿着吧，不准不要！”“好！”十成接过 钱
去。“我数数！记上这笔账！等把洋人全赶走，我回家种地，打了粮食还给你！”他 一边
说，一边数钱。“四吊八！”他把钱塞在怀里。“再见啦！”他往东走去。二哥赶 上去，
“你认识路吗？”
十成指了指德胜门的城楼：“那不是城门？出了城再说！”
十成不见了，二哥还在那里立着。这里是比较凉爽的地方，有水，有树，有芦苇， 还
有座不很高的小土山。二哥可是觉得越来越热。他又坐在石头上。越想，越不对，越 怕；
头上又出了汗。不管怎样，一个旗兵不该支持造反的人！他觉得自己一点也不精明， 作了
极大的错事！假若十成被捉住，供出他来，他怎么办？不杀头，也得削除旗籍，发 到新疆
或云南去！
temperature = 0.5 生成：
write(model, 0.5, 450, begin_sentence)一块的红布腰带来。“有这个，我就饿不着！”说完，他赶紧把小褂/// 又扣好。
“可是，叫二毛子看见，叫官兵看见，不就……”“是呀！”十成爽朗地笑了一声。
“我这不是赶快系好了扣子吗？二哥，你是好人！官兵要都象你，我们就顺利多了！哼，
有朝一日，我们会叫皇上也得低头！”
“十成，”二哥掏出所有的几吊钱来，“拿着吧，不准不要！”“好！”牛牧师 牧师左晃牧师那么一下，怎么样呢？？在我，不去打听！”十成立了起，往往说了“启真！
“不忙？”
“怎么用不着？谁会白给你们老太太！我们这点？”牛牧师也觉得酒下，并且告诉过老妈子：“ 小弟子，什么急忙①来说，三上就一两大没儿！”
“那，您好！”父亲口中起这个“良心法儿的，而且有点吃好几份儿 吧 吧
—。他的身前和一二哥要是的土造。那么一风大的那些话亭。父亲高兴兴
来。“你们，就用点了给我压得你们省吃饭，我还没什么都 点不叫
您呀！”“这就是的气好！没有学问！您看见，我还是老白姥姥！我洗看，我是洋人吗？”
“那不好，我不懂你们老着儿！”我就回去！要说！”
不使用 temperature 的文本比较正统，使用 temperature 后随机性大增，行文跳跃，颇有意识流的风范。
《正红旗下》是老舍的遗作，没写完就投河自尽了，因而篇幅很短。但即使是这样，使用 one-hot 编码后依然维数很高，若使用更大的语料则很容易内存爆炸。所以下文我们使用word embedding将文本映射为低维词向量。
第二个模型与上一个有3个不同点：