Question

我正在使用作者提供的code复制“文字分类的字符级卷积网络”。

当我完成培训过程后，我将转储的模型存储在“sequential_50000_1458876622.t7b”中，其可视化图像为sequential_50000_1458876622.png。

我一直试图弄清楚如何在训练后应用转储模型。我不确定如何在新的非机密数据上使用它。这是我在火炬7中尝试过的：

th> model=torch.load("sequential_5000_1458675427.t7b")
th> model

它显示：

nn.Sequential {
[input -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> (8) -> (9) -> (10) -> (11) -> (12) -> (13) -> (14) -> (15) -> (16) -> (17) -> (18) -> (19) -> (20) -> (21) -> (22) -> (23) -> (24) -> output]
  (1): nn.TemporalConvolution
  (2): nn.Threshold
  (3): nn.TemporalMaxPooling
  (4): nn.TemporalConvolution
  (5): nn.Threshold
  (6): nn.TemporalMaxPooling
  (7): nn.TemporalConvolution
  (8): nn.Threshold
  (9): nn.TemporalConvolution
  (10): nn.Threshold
  (11): nn.TemporalConvolution
  (12): nn.Threshold
  (13): nn.TemporalConvolution
  (14): nn.Threshold
  (15): nn.TemporalMaxPooling
  (16): nn.Reshape(8704)
  (17): nn.Linear(8704 -> 1024)
  (18): nn.Threshold
  (19): nn.Dropout(0.000000)
  (20): nn.Linear(1024 -> 1024)
  (21): nn.Threshold
  (22): nn.Dropout(0.000000)
  (23): nn.Linear(1024 -> 14)
  (24): nn.LogSoftMax
}

我不知道如何使用此模型来预测新的未分类数据。

Answer 1

您需要通过模型的正向传递来运行所需的案例;捕获返回的预测值：

score = model:forward(input_case)

根据您的模型的返回参数，分数可以是单个分类或最佳选择的向量;相应地配置您的报告。

如果您需要更完整的示例，请尝试搜索＆＃34; torch7得分教程＆＃34;。为了让您立即开始，here是GitHub上Torch教程下的一个相对简洁的示例。

在火炬中加载经过训练的模型后，如何使用此加载的模型对新输入进行分类？

1 个答案: