如何用训练好的模型测试新的数据python代码
时间: 2024-03-20 10:42:18 浏览: 14
以下是使用Python代码对训练好的模型进行新数据集测试的骤:
1. 准备新的数据集,例如一个文本分类任务的数据集,包括输入文本和对应的标签或类别。
2. 加载训练好的模型,例如使用TensorFlow或PyTorch等深度学习框架加载训练好的模型参数。
3. 对新的数据集进行预处理,例如将文本数据转换成模型可以接受的输入格式,例如将文本转换成向量表示。
4. 使用加载的模型对新的数据集进行预测,例如对每个输入文本进行标签或类别的预测。
5. 对模型的预测结果和数据集的标签或类别进行比较,例如计算准确率、精度、召回率等评估指标。
下面是一个示例代码,假设已经准备好了一个文本分类任务的新数据集:
```python
import tensorflow as tf
import numpy as np
# 加载训练好的模型
model = tf.keras.models.load_model('trained_model.h5')
# 加载新数据集
texts = ['input text 1', 'input text 2', ...] # 输入文本
labels = [0, 1, ...] # 标签或类别
# 对新数据集进行预处理,例如将文本转换成向量表示
preprocessed_texts = ...
# 使用模型进行预测
predicted_labels = model.predict(preprocessed_texts)
# 对模型的预测结果和数据集的标签或类别进行比较,例如计算准确率
accuracy = np.mean(np.equal(predicted_labels, labels))
print('Accuracy:', accuracy)
```
需要根据具体任务对代码进行修改和调整,例如对新数据集进行预处理的方法和模型的评估指标等。