import pickle import numpy as np from keras.models import load_model from tensorflow.keras.preprocessing.sequence import pad_sequences # 导入字典 with open('word_dict.pk', 'rb') as f: word_dictionary = pickle.load(f) with open('label_dict.pk', 'rb') as f: output_dictionary = pickle.load(f) try: # 数据预处理 input_shape = 180 sent = "电视刚安装好，说实话，画质不怎么样，很差！" x = [[word_dictionary[word] for word in sent]] x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=0) # 载入模型 model_save_path = 'model.h5' lstm_model = load_model(model_save_path) # 模型预测 y_predict = lstm_model.predict(x) label_dict = {v:k for k,v in output_dictionary.items()} print('输入语句: %s' % sent) print('情感预测结果: %s' % label_dict[np.argmax(y_predict)]) except KeyError as err: print("您输入的句子有汉字不在词汇表中，请重新输入！") print("不在词汇表中的单词为：%s." % err)

这段代码的作用是使用已经训练好的LSTM模型对输入句子进行情感分类预测。模型的载入使用了`load_model()`方法，但是在载入模型时出现了UnicodeDecodeError错误。

这个错误通常是因为模型文件的编码格式不是utf-8编码，Python无法解码模型文件。为了解决这个问题，你可以尝试使用二进制模式打开模型文件，即将模型文件的打开方式改为“rb”，如下所示：

lstm_model = load_model(model_save_path, compile=False)

此外，你还需要将`compile`参数设置为False，否则会出现类似“AttributeError: 'NoneType' object has no attribute 'predict'”的错误。

修改后的代码如下：

import pickle
import numpy as np
from keras.models import load_model
from tensorflow.keras.preprocessing.sequence import pad_sequences

# 导入字典
with open('word_dict.pk', 'rb') as f:
    word_dictionary = pickle.load(f)
with open('label_dict.pk', 'rb') as f:
    output_dictionary = pickle.load(f)

try:
    # 数据预处理
    input_shape = 180
    sent = "电视刚安装好，说实话，画质不怎么样，很差！"
    x = [[word_dictionary[word] for word in sent]]
    x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=0)

    # 载入模型
    model_save_path = 'model.h5'
    lstm_model = load_model(model_save_path, compile=False)

    # 模型预测
    y_predict = lstm_model.predict(x)
    label_dict = {v:k for k,v in output_dictionary.items()}
    print('输入语句: %s' % sent)
    print('情感预测结果: %s' % label_dict[np.argmax(y_predict)])

except KeyError as err:
    print("您输入的句子有汉字不在词汇表中，请重新输入！")
    print("不在词汇表中的单词为：%s." % err)

希望能帮助到你！