Python 如何为预先训练的LSTM模型提供一个示例文本输入

我正在尝试做有毒评论分类。我在中找到了一个数据集。它有许多注释，标签类别“有毒”、“严重毒性”等的相应值。我想将单个文本输入分类到相应的带标签的类中。 我使用LSTM创建并训练了一个模型。现在我想给出一个文本句子作为模型的输入，以预测输出。 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

源代码已从中获得

---

可以使用

predict（）

函数进行预测，如下所示：

y\u predict=model.predict（X\u te，批量大小=批量大小）

其中，

X_te

是预处理的测试集。训练集和测试集的预处理一般相同

在这种情况下，如果您希望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].重塑（200，）

您能告诉我您是如何训练模型的吗？在测试集中，您必须使用与处理训练集中输入相同的方法。我从中获得了代码。然后我保存了模型。现在我想用新的文本句子来测试这个模型。因此，如何转换输入文本以提供模型@Ashwingeted'SaYou可以使用：

y\u predict=model.predict（X\u te，batch\u size=batch\u size）

y\u predict

将有预测输出；然后可以将一个热预测转换为类标签。