使用model.predict测试Keras情绪分类

Question

我已经在我的电脑上训练了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：

1. Tokenize sequnces：将字符串转换为单词（features）：例如：“hello my name is georgio”to [“hello”，“my”，“name”，“is”，“georgio”]。
2. 接下来，您要删除停用词（请检查Google是否有停用词）。
3. 这个阶段是可选的，可能会导致错误的结果，但我认为值得一试。干掉你的文字（特征），这样你就可以减少能够加快跑步速度的特征数量。同样，这是可选的，可能会导致一些失败，例如：如果你阻止“停车”一词，你就会得到“停放”，这意味着不同。
4. 接下来要创建一个字典（请查看Google）。每个单词都有一个唯一的数字，从这一点开始我们只会使用这个数字。
5. 计算机仅了解数字，因此我们需要用他们的语言进行交谈。我们将从第4阶段开始学习字典，并用我们匹配的数字替换我们语料库中的每个单词。
6. 现在我们需要将数据集拆分为两组：训练集和测试集。一个（训练）将训练我们的NN模型，第二个（测试）将帮助我们弄清楚我们的NN有多好。您可以使用Keras的交叉验证功能。
7. 下一步是定义我们的NN可以作为输入获得的最大功能数量。 Keras称这个参数为''maxlen'。但是你不必手动完成这项工作，Keras可以通过搜索你语料库中最长的句子来自动完成。
8. 接下来，让我们说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（如果我们删除停用词的话）它会更短），在这种情况下，我们需要添加零，实际上是15个零。这称为pad序列，我们这样做，因此每个输入序列的长度都相同。

Answer 2

这可能会有所帮助。 http://keras.io/models/

以下是一个示例用法。 How to use keras for XOR

可能你必须首先将你的语料库转换成ndarray并将它扔给你的model.predict

从目前看来，训练模型的model.predict输入应该是100个单词语料库，它代表词典中每个单词的索引。因此，如果你想用你的语料库训练它，你必须根据这些字典转换你的语料库，看看结果是0还是1