时间戳

首页 > 解决方案 > 如何使用多个保存的模型进行预测？

python - 如何使用多个保存的模型进行预测？

问题描述

我正在尝试从这个笔记本下载的保存模型中预测得分值

https://www.kaggle.com/paoloripamonti/twitter-sentiment-analysis/

它包含4个保存的模型，即：

  1. 编码器.pkl
  2. 模型.h5
  3. 模型.w2v
  4. 分词器.pkl

我正在使用 model.h5 我的代码是：

from keras.models import load_model
s_model = load_model('model.h5')

#predict the result
result = model.predict("HI my name is Mansi")

但它无法预测。

我认为错误是因为我必须先对其进行标记和编码，但我不知道如何使用多个保存的模型来做到这一点。

任何人都可以指导我如何使用上面笔记本中提到的保存模型来预测值和分数。

标签： pythonpython-3.xmachine-learningkeras

解决方案

在输入模型之前应该对文本进行预处理，以下是最小的工作脚本（改编自https://www.kaggle.com/paoloripamonti/twitter-sentiment-analysis/）：

import time
import pickle
from keras.preprocessing.sequence import pad_sequences
from keras.models import load_model

model = load_model('model.h5')
tokenizer = pickle.load(open('tokenizer.pkl', "rb"))
SEQUENCE_LENGTH = 300
decode_map = {0: "NEGATIVE", 2: "NEUTRAL", 4: "POSITIVE"}

POSITIVE = "POSITIVE"
NEGATIVE = "NEGATIVE"
NEUTRAL = "NEUTRAL"
SENTIMENT_THRESHOLDS = (0.4, 0.7)

def decode_sentiment(score, include_neutral=True):
    if include_neutral:        
        label = NEUTRAL
        if score <= SENTIMENT_THRESHOLDS[0]:
            label = NEGATIVE
        elif score >= SENTIMENT_THRESHOLDS[1]:
            label = POSITIVE

        return label
    else:
        return NEGATIVE if score < 0.5 else POSITIVE

def predict(text, include_neutral=True):
    start_at = time.time()
    # Tokenize text
    x_test = pad_sequences(tokenizer.texts_to_sequences([text]), maxlen=SEQUENCE_LENGTH)
    # Predict
    score = model.predict([x_test])[0]
    # Decode sentiment
    label = decode_sentiment(score, include_neutral=include_neutral)

    return {"label": label, "score": float(score),
       "elapsed_time": time.time()-start_at}  

predict("hello")

测试：

predict("hello")

它的输出：

{'elapsed_time': 0.6313169002532959,
 'label': 'POSITIVE',
 'score': 0.9836862683296204}

推荐阅读