使用model.predict测试Keras情感分类

Question

我已经在我的PC上训练了imdb_lstm.py。 现在我想通过输入我自己的一些文本来测试训练有素的网络。我该怎么做？ 谢谢！

Answer 1

所以你基本上需要做的是如下：

1. Tokenize sequnces：将字符串转换为单词（特征）：例如：“hello my name is georgio”to [“hello”，“my”，“name”，“is”，“georgio”]。
2. 接下来，您想删除停用词（查看停用词是什么）。
3. 这个阶段是可选的，它可能会导致错误的结果，但我认为这值得一试。遏制你的话（功能），这样你会减少功能的数量，这将导致更快的运行。再次，这是可选的，可能会导致一些失败，例如：如果您设置“停车”这个词，您将获得具有不同含义的“停车”。
4. 接下来的事情是创建一个字典（检查Google）。每个单词都有一个唯一的编号，从这一点我们只会使用这个编号。
5. 电脑只能理解数字，所以我们需要用他们的语言进行交谈。我们将从第4阶段开始取词典，并用我们的语料库中的每个单词替换其匹配的数字。
6. 现在我们需要将我们的数据集分为两组：训练和测试集。其中一个（训练）将训练我们的NN模型，第二个（测试）将帮助我们弄清楚NN的优点。您可以使用Keras的交叉验证功能。
7. 接下来的事情是定义什么是我们的NN可以作为输入获取的最大特征数量。凯拉斯称这个参数为'maxlen'。但是您不必手动执行此操作，Keras可以通过搜索您的语料库中最长的句子来自动执行此操作。
8. 接下来，假设Keras发现你的语料库中最长的句子有20个单词（特征），你的一个句子是第一个阶段的例子，它的长度是5（如果我们将删除停用词它会更短），在这种情况下，我们需要添加零，实际上是15个零。这就是所谓的pad序列，我们这样做，所以每个输入序列的长度都是相同的。

Answer 2

这可能有帮助。 http://keras.io/models/

下面是一个示例用法。 How to use keras for XOR

也许你不得不UR文集转换成ndarray第一扔给你model.predict

从它似乎至今培养模式的model.predict输入应该是100个字语料代表字典中每个单词的索引。所以，如果你想与乌尔语料训练它，你必须根据这些字典乌尔语料库转换，看看结果是0或1