paddle模型应用

Posted yangyang12138

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了paddle模型应用相关的知识,希望对你有一定的参考价值。

1.首先要保存模型

fluid.io.save_inference_model(‘../bot15.model‘, ["vec"], [pred1,pred2,pred3], exe)

第二个参数预测样本集的数据feed,

第三个参数是预测数据

第四个参数是当前运行程序

2.加载样本

fluid.io.load_inference_model(‘../bot15.model‘, exe)

这里的exe可以是一个新的exe

具体代码如下:

from __future__ import print_function
import paddle
import paddle.fluid as fluid
import numpy as np
import sys
import math

EMB_DIM = 81     #词向量的维度
HID_DIM = 512     #隐藏层的维度
STACKED_NUM = 3   #LSTM双向栈的层数
BATCH_SIZE = 128  #batch的大小

result_vec = np.load(‘../result_vec2.npy,allow_pickle=True).tolist()

use_cuda = False
place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()

exe = fluid.Executor(place)
inference_scope = fluid.core.Scope()

d = []
for i in result_vec:
    k = [[o] for o in i[1]]
    d.append(k)

lod = np.array(k,dtype=float32)

def pred(o):
    [inferencer, feed_target_names,
     fetch_targets] = fluid.io.load_inference_model(../bot15.model, exe)

    results = exe.run(inferencer,feed={vec: fluid.create_lod_tensor(o,[[81]],place)},
                      fetch_list=fetch_targets,return_numpy=False)
    print(np.array(results[0]).tolist()[0][0],,,
          np.array(results[1]).tolist()[0][0],,,
          np.array(results[2]).tolist()[0][0])

 

以上是关于paddle模型应用的主要内容,如果未能解决你的问题,请参考以下文章

NLP涉及技术原理和应用简单讲解:paddle(分布式训练AMP自动混合精度训练模型量化模型性能分析)

NLP涉及技术原理和应用简单讲解:paddle(分布式训练AMP自动混合精度训练模型量化模型性能分析)

森说AI:从零开始应用paddlehub转换手写数字识别模型并完成部署:使用paddle2.xAPI简易实现手写数字识别模型

森说AI:从零开始应用paddlehub转换手写数字识别模型并完成部署:使用paddle2.xAPI简易实现手写数字识别模型

Paddle 点灯人 之 10分钟快速上手Paddle

Paddle 点灯人 之 10分钟快速上手Paddle