如何使用经过 Keras 训练的嵌入式层？

Question

我的模型是：

        model = Sequential()
        model.add(Embedding(input_dim=vocab_size,
                            output_dim=1024, input_length=self.SEQ_LENGTH))

        model.add(LSTM(vocab_size))

        model.add(Dropout(rate=0.5))
        model.add(Dense(vocab_size - 1, activation='softmax'))

而且我已经训练过了。但是现在在推理期间，我该如何使用该嵌入？

Answer 1

您的问题已解决here。作为骨架，您可以使用此代码：

from tensorflow.python.keras.preprocessing.text import Tokenizer

tokenizer_obj = Tokenizer()
tokenizer_obj.fit_on_texts(your_dataset) 

...

max_length = max_number_words
X_test_tokens = tokenizer_obj.texts_to_sequences(X_test)
X_test_pad = pad_sequences(X_test_tokens, maxlen=max_length, padding='post')

score, acc = model.evaluate(X_test_pad, y_test, batch_size=128)

如何使用经过 Keras 训练的嵌入式层？

How to use a Keras trained Embedded layer?

python

tensorflow

keras

word-embedding