您实际上如何应用经过训练的模型？

Question

我一直在慢慢学习 tensorflow 教程，我想我将不得不再次学习。我没有 ML 背景，但我正在慢慢提升自己。

总之，看完RNN tutorial和运行训练代码后，我很困惑。

如何实际应用经过训练的模型以使其可用于进行语言预测？

我知道这是一个可怕的菜鸟和简单的问题，但我相信它会对其他人有用，因为我已经看到它以令人满意的方式提出但没有得到满意的回答。

Answer 1

一般来说，当你训练一个模型时，你会先做一个前向传播，然后再做一个反向传播。前向传播根据您的输入数据进行预测，而后向传播根据您的预测的正确程度调整您的模型。

因此，当您想要应用您的模型时，只需将新数据作为输入进行前向传递。

在您的特定示例中，使用 this code，您可以通过查看他们如何运行从第 286 行开始的测试集来了解它是如何完成的。

# They instantiate the model with is_training=False
mtest = PTBModel(is_training=False, config=eval_config)

# Then they can do a forward pass
test_perplexity = run_epoch(session, mtest, test_data, tf.no_op())
print("Test Perplexity: %.3f" % test_perplexity)

如果你想要实际的预测而不是困惑，那就是 run_epoch 函数中的状态：

cost, state, _ = session.run([m.cost, m.final_state, eval_op],
                             {m.input_data: x,
                              m.targets: y,
                              m.initial_state: state})

您实际上如何应用经过训练的模型？

How do you actually apply a trained model?

machine-learning

tensorflow