Я использую учебник из книги Deep Learning Chollet, где автор объясняет, как построить модель для классификации набора данных Reuter News:
https://github.com/fchollet/deep-learning-with-python-notebooks/blob/master/3.6-classifying-newswires.ipynb
Мой код для проверкинекоторые тесты sentences после обучения модели:
from keras.datasets import reuters
import numpy as np
# this function is exactly as defined in the code in the example from the book in link above
def vectorize_sequences(sequences, dimension=10000):
results = np.zeros((len(sequences), dimension))
for i, sequence in enumerate(sequences):
results[i, sequence] = 1.
return results
# The sentences to test
sentences = ['The cyclone will hit the shores duirng', 'landfall rain cloud']
# Encoding of the words in the sentence
word_index = reuters.get_word_index()
x_test = [[word_index[w] for w in sentences if w in word_index]]
x_test = vectorize_sequences(x_test)
vector = np.array([x_test.flatten()])
# The model prediction
c = model.predict_classes(vector)
В приведенном выше коде c = [16] та же тема, даже когда я пробую разные предложения.
Что-то не так в способе ввода теста sentences для прогнозирования модели.