Text Generation自动文本生成（LSTM实现）

step 1：训练模型（train the network)

训练样本是是从什么文风的文章截取的，这个模型在predict阶段就会生成什么样文风的文本。

1）准备training example pairs：（input_segment, target_character)。target_character是input_segment之后的character。例如，从一篇3000词的莎士比亚文章中截取training example pairs，设定input segment length = 30，stride = 3，那么能截取出约1000个（input_segment, target_character)，因为stride意思是每次向后移动三个character，再截取下一个pair。

2）encoding：把input_segment用one-hot encoding方式编码成矩阵，size=length x vocabulary (=#unique tokens，字母，数字，标点，空格…), 把target编码成向量。
对于这个模型/任务，预测对象是character，vocab大小也就几十，所以不用word embedding来缩小每个character vector的长度。character-level tokenization不需要embedding，word-level tokenization需要。