用model.predict测试Keras情感分类

Question

我在我的电脑上训练过imdb_lstm.py。现在我想通过输入一些我自己的文字来测试经过训练的网络。我该怎么做呢？谢谢!

Answer 1

因此，您需要做的基本工作如下：

1. 标记sequnces:将字符串转换为单词(功能)：例如：“你好，我的名字是georgio”，改为"hello"，" my "，" name "，" is "，"georgio“。
2. 接下来，您想要删除停止词(查看Google中的停止词是什么)。
3. 这个阶段是可选的，它可能导致错误的结果，但我认为值得一试。停止你的文字(特征)，这样你将减少功能的数量，这将导致更快的运行。再说一遍，这是可选的，可能会导致一些失败，例如:如果你用“停车”这个词，你就会得到“公园”这个词，而这个词有着不同的含义。
4. 下一件事是创建一本字典(请查看Google的相关信息)。每个单词都有一个唯一的数字，从这一点开始，我们将只使用这个数字。
5. 计算机只懂数字，所以我们需要用他们的语言说话。我们将从第四阶段取字典，用匹配的编号替换语料库中的每个单词。
6. 现在，我们需要将数据集分成两组:培训集和测试集。第一个(训练)将训练我们的神经网络模型，第二个(测试)将帮助我们找出我们的神经网络有多好。您可以使用Keras的交叉验证函数。
7. 下一步是定义我们的NN作为输入可以得到的最大特征数。Keras调用这个参数- 'maxlen‘。但是你不需要手动完成这个任务，Keras可以通过搜索你的语料库中最长的句子就可以自动做到这一点。
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)，其中一个句子是第一阶段的例子，它的长度是5(如果我们删除停止词，它会更短)，在这种情况下，我们需要添加零，实际上15个零。这就是所谓的pad序列，我们这样做，所以每个输入序列将在相同的长度。

Answer 2

这可能会有帮助。http://keras.io/models/

这是一个示例用法。How to use keras for XOR

也许你必须先把你的语料库转换成ndarray，然后把它扔到你的model.predict上。

从目前来看，训练模型的model.predict输入应该是100字语料库，它代表词典中每个单词的索引。所以，如果你想用你的语料库来训练它，你必须根据那些字典转换你的语料库，看看结果是0还是1。