训练好模型后,要做预测,有两种思路:
(1)可以不保存模型参数的情况下,做预测,
就在训练模型的py代码里,当训练模型结束后,直接调用测试语料集来做测试,直接将测试的pred输出出来,就可以了,这也就是语料集的结果。
这样做的缺点就是每次都要重新训练,训练后才可以做预测,而且每次预测的结果可能有差别。
(2)保存模型参数
将训练模型的代码和预测的代码分开,训练模型后,将参数保存下来,
然后用预测的代码首先读取模型参数,对输出的语料集进行预测得到pred,将pred输出就是语料集输输入对应的预测输出结果。
这样分开来做,每次可以不用训练模型,每次的输出结果都是一样的,因为模型参数已经固定了。
后记:自己也有很多没搞懂的,只能一步一步来,训练模型保存参数的方法比较简单,重要是load模型来使用做预测,这篇是讲解思路,下一篇会去讲解如何使用,自己也是学习tensorflow的一员,希望和大家一起学习,共同进步。