如何将一个示例文本输入提供给预训练的 LSTM 模型答案

【问题标题】：How to give one sample text input to a pre-trained LSTM model如何将一个示例文本输入提供给预训练的 LSTM 模型
【发布时间】：2020-06-08 23:19:20
【问题描述】：

我正在尝试进行有毒评论分类。我在https://www.kaggle.com/c/jigsaw-toxic-comment-classification-challenge 中找到了一个数据集。它有许多 cmets 对应的标签类别为“toxic”、“severe_toxic” ..etc。我想将我的单个文本输入分类到相应的标记类。我已经使用 LSTM 创建并训练了一个模型。现在我想给一个单一的文本句子作为模型的输入来预测输出。但我不知道如何转换文本输入并将其提供给经过训练的模型。

源代码来自kaggle challange。

summary of the model

【问题讨论】：

您能说说您是如何训练模型的吗？
在测试集上，您必须使用与在训练集中处理输入相同的方法。
我从link 获得了代码。然后我保存了模型。现在我想用新的文本句子测试模型。那么如何将输入文本转换为模型。 @AshwinGeetD'Sa
您可以使用：y_predict = model.predict(X_te, batch_size=batch_size)
y_predict 会有预测输出；然后，您可以将 one-hot 预测转换为类标签。

标签： python machine-learning deep-learning nlp lstm

【解决方案1】：

可以使用predict()函数进行预测，如下所示：

y_predict = model.predict(X_te, batch_size=batch_size) 其中，X_te 是预处理的测试集。训练集和测试集的预处理基本相同。

如果您想从测试集中预测单个实例，则必须重新调整输入，如下所示：

y_pred = model.predict(X_te[0].reshape(200,))

【讨论】：