flask＋seq2seq实现聊天机器人在线群聊

在大多数标准中，Flask都算是小型框架，小到可以称为“微框架”，所以你一旦熟悉使用它，很可能就能读懂他所有的源码，本项目是自己线下玩的项目，因此采用了Flask这种小而功能比较全的框架。

TensorFlow是Google于2015年11月9日正式开源的深度学习框架，提供了海量的深度学习模型的API,可以快速的实现深度学习模型的搭建。目前在GitHub上的star也是惊人：

基于Python的TnesoFlow接口，训练seq2seq模型用于娱乐性的聊天机器人场景。 Seq2Seq被提出于2014年，最早由两篇文章独立地阐述了它主要思想，分别是Google Brain团队的《Sequence to Sequence Learning with Neural Networks》和Yoshua Bengio团队的《Learning Phrase Representation using RNN Encoder-Decoder for Statistical Machine Translation》。这两篇文章针对机器翻译的问题不谋而合地提出了相似的解决思路，Seq2Seq由此产生。Seq2Seq解决问题的主要思路是通过深度神经网络模型（常用的是LSTM，GRU)将一个作为输入的序列映射为一个作为输出的序列，这一过程由编码（Encoder）输入与解码（Decoder）输出两个环节组成, 前者负责把序列编码成一个固定长度的向量，这个向量作为输入传给后者，输出可变长度的向量。

首先我们基于问答语料库去训练我们的seq2seq聊天机器人系统，其核心算法主要如下：

```python def getmodel(feedprevious=False): """

构造模型:seq2seq feed_previous

表示decoderinputs是我们直接提供训练数据的输入， 还是用前一个RNNCell的输出映射出来的，如果feedprevious为True， 那么就是用前一个RNNCell的输出，并经过Wx+b线性变换 """

训练好的模型会保存在model文件夹，供flask调用。我的语料是在网上找的一些还有就是自己编造了一些，语料很不规整也不全面，量也比较少，因此模型的表现并不是很理想，加上本身seq2seq模型的不可控性，会出现聊天机器人比较傻叉的回答和答非所问的情况（这个如果要商用还得考虑更多其他的trick这里只是娱乐性的尝试）。

我用CPU训练了10000个epoch，经过308分钟，模型训练好了。。。（此处应该有掌声）

下面就是基于flask搭建一套在线聊天系统了，这里基于redis缓存数据库的订阅与发送机制实现一个简单的SSE事件流（这个方法是我参考了GitHub一位大神的思路），当然我们也可以基于Flask-SSE模块，下面是项目的结构，和部分核心代码：

项目结构：

flask核心算法：

redis数据库

定义事件流

发送消息

训练好了模型,有了flask的调用，现在就可以在服务器上部署了，可以使用flask+nginx+uwsgi的方式部署这个聊天系统，体验一下和机器人的尬聊：（下面截图，看我如何尬聊）

登录界面：

开始聊天：

这只是一个不成功的尝试，要提高聊天机器人的聊天质量，调用速度，聊天界面的人机交互和美观性，还有很长的路要走，更不是一个人可以完美搞定的，我再努力优化。

项目所有源码我已托管到