使用model.predict测试Keras情感分类 [英] Testing the Keras sentiment classification with model.predict

问题描述

我已经在PC上训练了imdb_lstm.py. 现在，我想通过输入自己的一些文本来测试经过训练的网络.我该怎么做? 谢谢！

I have trained the imdb_lstm.py on my PC. Now I want to test the trained network by inputting some text of my own. How do I do it? Thank you!

推荐答案

所以您基本上需要做的是:

So what you basically need to do is as follows:

1. 标记序列:将字符串转换为单词(功能):例如:你好，我的名字叫乔治"，改成[你好"，我"，名字"，是"，乔治"].
2. 接下来，您要删除停用词(检查Google停用词是什么).
3. 此阶段是可选的，可能会导致错误的结果，但我认为值得尝试.阻止您的字词(功能)，这样可以减少功能数量，从而加快运行速度.同样，这是可选的，并且可能导致某些故障，例如:如果您阻止停车"一词，则会得到停车"，其含义是不同的.
4. 接下来要做的是创建字典(请检查Google).每个单词都有一个唯一的编号，从这一点来看，我们将仅使用该编号.
5. 计算机只能理解数字，因此我们需要用他们的语言进行交谈.我们将从第4阶段开始使用字典，然后将语料库中的每个单词替换为其匹配的数字.
6. 现在，我们需要将数据集分为两组:训练集和测试集.第一个(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. 接下来的事情是定义我们的NN可以作为输入获得的最大特征数量. Keras将此参数称为"maxlen".但是您实际上并不需要手动执行此操作，Keras可以通过搜索语料库中最长的句子来自动执行此操作.
8. 接下来，假设Keras发现语料库中最长的句子有20个单词(功能)，而其中一个句子就是第一阶段的示例，其长度为5(如果我们要删除停用词，它会更短)，在这种情况下，我们需要添加零，实际上需要添加15个零.这就是所谓的填充序列，我们这样做是为了使每个输入序列都具有相同的长度.

这篇关于使用model.predict测试Keras情感分类的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！