解码您的预测结果
为了节省等待时间，您的 LSTM model 已经训练完毕（详情见上一个练习的成功提示）。现在请定义一个函数来解码它的预测结果。训练好的 model 会作为该函数的默认参数传入。
由于该模型在输出层使用了 softmax，您可以使用 numpy 的 argmax()，从概率向量中取出最可能的下一个词所对应的索引/位置。
您之前创建并拟合过的 tokenizer 已为您加载。您将使用其中的 index_word 内部字典，把 model 的下一个词预测（一个整数）转换为其对应的实际单词。
离动手试验您的模型就差一步了！
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 使用
texts_to_sequences()将参数test_text转换为数字序列。 - 将
test_seq传入模型获取下一个词的预测。对返回的 numpy 预测数组调用.argmax(axis=1)[0]，得到概率最高的单词索引/位置。 - 使用 tokenizer 的
index_word字典，返回与该预测索引对应的单词。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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.____[____]