如何使用加载的LSTM注意模型对输入进行预测？

Posted 2021-05-03

我是深度学习和Keras的完整入门者。我想建立一个分层的注意力网络，以帮助将评论分为几类。有毒，剧毒等。我从一个开放的存储库中获取了代码，并保存了模型。然后，我使用model_from_json加载模型。现在，我希望使用此加载的模型对输入文本（作为python输入或单独的文件）进行预测。

这是我正在使用的代码：https://www.kaggle.com/sermakarevich/hierarchical-attention-network/notebook

然后我做了：

model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
model.save_weights("model.h5")
print("Saved model to disk")

然后在单独的文件中：

json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json,custom_objects={'AttentionWithContext':AttentionWithContext})
loaded_model.load_weights("model.h5")
print("Loaded model from disk")

我正在完美地获得“从磁盘加载模型”。我想知道我需要输入的格式，使用模型进行分类的方式和代码片段。由于我对此知识不多，所以如果有人可以帮助我使用python特定代码来使它起作用，这将非常有帮助。

答案

在进行预测时，请确保也要腌制标记符，否则输出将不正确。

    new = ["Your_text_that_you_want_to_check"]
    seq = tokenizer.texts_to_sequences(new)
    padded = pad_sequences(seq, maxlen=MAX_SEQUENCE_LENGTH)
    pred = model.predict(padded)

虽然预测将新文本转换为向量，以便对模型进行训练非常重要。我已经将训练数据转换为序列，然后将其填充为零，以便长度应相同，并且与预测时重复的步骤相同。但是请确保您腌制令牌标记。希望对您有所帮助！如果您在理解步骤时遇到困难，请告诉我。