怎样对新来的几条文本做预测呢？

[yaleimeng]

模型训练完成了，准确率也很高。
但到后面用的时候，往往是对新来的一条或若干条文本，需要预测它对应的标签。
加载训练后的模型，对新数据做预测能否单独写个样例参考一下？

[yaleimeng]

我改写了一下dataloader，将句子列表也构造成需要的数据格式。然后通过evaluate_save()来 进行预测并保存结果。警告提示
python3.6/site-packages/sklearn/metrics/classification.py:1437: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, warn_for)
python3.6/site-packages/sklearn/metrics/classification.py:1439: UndefinedMetricWarning: Recall and F-score are ill-defined and being set to 0.0 in labels with no true samples.
'recall', 'true', average, warn_for)
最后检查了预测出的类别标签，很多都是错的。跟训练结束时评估的准确率有天壤之别。

[pbz123]

请问您的问题解决了吗，我也遇到了同样的问题

[yaleimeng]

@pbz123 没解决，无奈只能去研究别的开源仓库了。。
找了十来个基本上都有问题，不是面向实际用途的改写，而是拿数据集评估一下指标就完事了。

[pbz123]

我也是，找了一个多礼拜了，都是没有测试模块，我想用一个pytorch的代码，tensorflow的模型文件太大了也是出于无奈才来又找的，请问您有这方面的资料可以让我学习一下吗

[yaleimeng]

没什么资料，就是挑选几个开源仓库跑一下看看。结果符合预期的话研究一下怎么按自己的需求改。我不挑框架都没找到好的实现。。
都出来半年多了，居然没有一个好用的，真是非常意外。 只能等我解决了之后再分享了

[pbz123]

我目前有一个tensorflow的，训练没问题，保存为.pb模型文件，但是测试这里貌似不是很顺利，但是有代码的，您如果需要我可以分享给你

[yaleimeng]

我在博览众码的基础上，终于解决了工业场景实用化的问题。使得模型预测的结果更直观、可追溯。让使用Bert做文本分类不再困难。
现已开源了代码库TextClassify_with_BERT，还在持续完善中。欢迎大家跟我沟通交流~

[songyingxin]

不好意思，刚看到，对新来的预测，本来不就分为 train， dev， test 吗？ 你直接将数据作为test 不就能得到评估结果了？

[yaleimeng]

@songyingxin 很感谢您的回复。我的意思是来了一个字符串或者几个句子过来，我不通过保存文件怎样进行预测？现实场景下不可能每个句子来都去磁盘读写文件吧？您的项目只是出于学术目的跑一下成绩，不适应实际需要。
不过我已经搞定了实际需求并开源了自己的代码库。非常感谢。

[songyingxin]

可以，这个需要您这边改一改代码，这部分我没有写，改起来其实很简单的，改一下输入逻辑就行，dataloader之前的改一改就行。

[songyingxin]

额，我自己实际开发中也需要改，总不能一个炮台打所有的炮不是。