Machine learning 将Keras模型、权重和角色索引加载到其他python应用程序中
我已经在角色上训练了Keras LSTM分类模型,保存了它的模型架构和权重,现在想将它加载到一个单独的应用程序中,我可以独立于训练系统运行,在它上粘贴一个REST端点,然后能够通过REST进行预测 我还没有发现——也许是可怜的谷歌——关于其他人是怎么做的,我遇到的主要模糊之处是如何加载原始文本索引&相应的标签索引 i、 e.Machine learning 将Keras模型、权重和角色索引加载到其他python应用程序中,machine-learning,keras,Machine Learning,Keras,我已经在角色上训练了Keras LSTM分类模型,保存了它的模型架构和权重,现在想将它加载到一个单独的应用程序中,我可以独立于训练系统运行,在它上粘贴一个REST端点,然后能够通过REST进行预测 我还没有发现——也许是可怜的谷歌——关于其他人是怎么做的,我遇到的主要模糊之处是如何加载原始文本索引&相应的标签索引 i、 e.1=“a”、2=“g”、3=“”、4=“b”,以及标签1-hot编码之前的[“绿色”、“蓝色”、“红色”、“橙色”的“原始”标签的索引 这就是我的理解: 权重基于最初训练模
1=“a”、2=“g”、3=“”、4=“b”
,以及标签1-hot编码之前的[“绿色”、“蓝色”、“红色”、“橙色”
的“原始”标签的索引
这就是我的理解:
- 权重基于最初训练模型的数值输入
- 数值输入和生成的指数基于用于培训的特定数据集
- 表示分类的模型的输出基于原始数据集标签的添加顺序-即,如果
位于培训标签的位置0,并且位于实际“运行时”标签的位置1,那么这将不起作用。。。是吗绿色
标记器和np-utils.to-u分类),我们可以在培训系统中使用这些功能
有人有做这种活动的模式吗
我目前正在做以下工作:
- 在训练期间保存X索引和Y标签数组以及模型体系结构和权重
- 在预测应用程序中,使用架构和权重加载并重新创建模型
- 有一个自定义类来根据X索引标记输入字,将其填充到正确的长度,等等
- 作出预测
- 获取预测并将概率最高的项映射到原始的Y标签数组,从而确定预测的标签是什么