我已经在我的 PC 上训练了 imdb_lstm.py。现在我想通过输入我自己的一些文本来测试训练有素的网络。我该怎么做？谢谢！
问问题
2774 次
2 回答
7
所以你基本上需要做的事情如下：
- 标记序列：将字符串转换为单词（特征）：例如：“hello my name is georgio” to ["hello", "my", "name", "is", "georgio"]。
- 接下来，您要删除停用词（检查 Google 了解停用词是什么）。
- 这个阶段是可选的，它可能会导致错误的结果，但我认为值得一试。停止你的词（特征），这样你会减少特征的数量，这将导致更快的运行。同样，这是可选的，并且可能会导致一些失败，例如：如果您将“停车”一词设为词干，则会得到具有不同含义的“停车”。
- 接下来是创建一个字典（检查谷歌）。每个单词都有一个唯一的编号，从这里我们将只使用这个编号。
- 计算机只能理解数字，所以我们需要用它们的语言交谈。我们将从第 4 阶段获取字典，并将语料库中的每个单词替换为其匹配的数字。
- 现在我们需要将我们的数据集分成两组：训练集和测试集。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。
- 接下来是定义我们的 NN 作为输入可以获得的最大特征数。Keras 将此参数称为“maxlen”。但是您实际上不必手动执行此操作，Keras 只需搜索您在语料库中最长的句子即可自动执行此操作。
- 接下来，假设 Keras 发现您的语料库中最长的句子有 20 个单词（特征），并且您的一个句子是第一阶段的示例，其长度为 5（如果我们删除停用词，它会更短），在这种情况下，我们需要添加零，实际上是 15 个零。这称为填充序列，我们这样做是为了使每个输入序列的长度相同。
于 2015-12-08T11:40:59.090 回答
1
这可能会有所帮助。 http://keras.io/models/
这是一个示例用法。 如何使用 keras 进行异或运算
可能您必须先将您的语料库转换为 ndarray 并将其扔到您的 model.predict
从目前看来，训练模型的 model.predict 输入应该是 100 个单词的语料库，代表字典中每个单词的索引。所以如果你想用你的语料库训练它，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
于 2015-11-06T04:24:28.557 回答