使用model.predict測試Keras情感分類

Question

我已經在我的PC上訓練了imdb_lstm.py。 現在我想通過輸入我自己的一些文本來測試訓練有素的網絡。我該怎麼做？ 謝謝！

Answer 1

所以你基本上需要做的是如下：

1. Tokenize sequnces：將字符串轉換爲單詞（特徵）：例如：「hello my name is georgio」to [「hello」，「my」，「name」，「is」，「georgio」]。
2. 接下來，您想刪除停用詞（查看停用詞是什麼）。
3. 這個階段是可選的，它可能會導致錯誤的結果，但我認爲這值得一試。遏制你的話（功能），這樣你會減少功能的數量，這將導致更快的運行。再次，這是可選的，可能會導致一些失敗，例如：如果您設置「停車」這個詞，您將獲得具有不同含義的「停車」。
4. 接下來的事情是創建一個字典（檢查Google）。每個單詞都有一個唯一的編號，從這一點我們只會使用這個編號。
5. 電腦只能理解數字，所以我們需要用他們的語言進行交談。我們將從第4階段開始取詞典，並用我們的語料庫中的每個單詞替換其匹配的數字。
6. 現在我們需要將我們的數據集分爲兩組：訓練和測試集。其中一個（訓練）將訓練我們的NN模型，第二個（測試）將幫助我們弄清楚NN的優點。您可以使用Keras的交叉驗證功能。
7. 接下來的事情是定義什麼是我們的NN可以作爲輸入獲取的最大特徵數量。凱拉斯稱這個參數爲'maxlen'。但是您不必手動執行此操作，Keras可以通過搜索您的語料庫中最長的句子來自動執行此操作。
8. 接下來，假設Keras發現你的語料庫中最長的句子有20個單詞（特徵），你的一個句子是第一個階段的例子，它的長度是5（如果我們將刪除停用詞它會更短），在這種情況下，我們需要添加零，實際上是15個零。這就是所謂的pad序列，我們這樣做，所以每個輸入序列的長度都是相同的。

Answer 2

這可能有幫助。 http://keras.io/models/

下面是一個示例用法。 How to use keras for XOR

也許你不得不UR文集轉換成ndarray第一扔給你model.predict

從它似乎至今培養模式的model.predict輸入應該是100個字語料代表字典中每個單詞的索引。所以，如果你想與烏爾語料訓練它，你必須根據這些字典烏爾語料庫轉換，看看結果是0或1