【MXNet学习25】4.4 测试代码详细解读

4.3节通过代码清单4-2给出了完整的测试代码，与训练代码相比，测试代码相对要简单一些，整体而言只需要导入模型后执行模型的前向计算即可，不涉及损失的反向传播、参数更新等过程。

通过4.3节的介绍，相信你对整个测试代码有了一个直观的认识，接下来我将详细介绍测试代码的内容，主要包含模型导入、数据读取和预测输出三个部分。

4.4.1 模型导入

MXNet框架在训练深度学习模型过程中会保存两个主要文件，即“.params文件”和“.json文件”，前者是模型的参数，后者是模型的网络结构，因此在导入模型时需要同时导入“.params文件”和“.json文件”。在模型训练部分我们介绍了Module对象的fit() 方法，当我们指定fit() 方法的epoch_end_callback参数后，fit() 方法训练模型就能将训练好的“.params文件”和“.json文件”保存在指定目录下。

在测试代码中，可通过如下代码先配置导入模型所需的参数，然后调用load_model（）函数导入模型：

 model_prefix = "output/LeNet"
    index