解碼你的預測結果
你的 LSTM model 已經訓練完成（細節請見前一題成功訊息），這樣你就不必等待。現在要來定義一個函式來解碼它的預測結果。訓練好的 model 會作為此函式的預設參數傳入。
由於你使用的是含有 softmax 的模型，可以用 numpy 的 argmax() 從輸出機率向量中取得最可能的下一個單字所代表的索引／位置。
你先前建立並擬合過的 tokenizer 已為你載入。你會使用它內部的 index_word 字典，將 model 的下一字預測（為整數）轉換成實際的文字。
你離動手用模型做實驗就差一步了！
本練習屬於課程
Keras 深度學習入門
練習說明
- 使用
texts_to_sequences()將參數test_text轉成數字序列。 - 將
test_seq傳入模型取得下一字預測。對模型輸出的 numpy 陣列呼叫.argmax(axis=1)[0]，即可取得機率最高的單字之索引／位置。 - 使用 tokenizer 的
index_word字典，回傳對應此預測索引的單字。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
def predict_text(test_text, model = model):
if len(test_text.split()) != 3:
print('Text input should be 3 words!')
return False
# Turn the test_text into a sequence of numbers
test_seq = tokenizer.texts_to_sequences([____])
test_seq = np.array(test_seq)
# Use the model passed as a parameter to predict the next word
pred = ____.predict(____).argmax(axis = 1)[0]
# Return the word that maps to the prediction
return tokenizer.____[____]