如何从火车 Pytorch 和 PytorchText model 进行预测？

Question

一般来说，在我成功训练文本 RNN model 和 Pytorch 后，使用 PytorchText 来利用源源上的数据加载，我想用来自不同来源但相同的其他数据集（一种眨眼测试）进行测试文本格式。

首先，我定义了一个 class 来处理数据加载。

class Dataset(object):
    def __init__(self, config):
        # init what I need

    def load_data(self, df: pd.DataFrame, *args):
        # implementation below
        # Data format like `(LABEL, TEXT)`

    def load_data_but_error(self, df: pd.DataFrame):
        # implementation below
        # Data format like `(TEXT)`

这是我加载成功训练的数据的load_data的详细信息。

TEXT = data.Field(sequential=True, tokenize=tokenizer, lower=True, fix_length=self.config.max_sen_len)
LABEL = data.Field(sequential=False, use_vocab=False)

datafields = [(label_col, LABEL), (data_col, TEXT)]

# split my data to train/test
train_df, test_df = train_test_split(df, test_size=0.33, random_state=random_state)

train_examples = [data.Example.fromlist(i, datafields) for i in train_df.values.tolist()]
train_data = data.Dataset(train_examples, datafields)

# split train to train/val
train_data, val_data = train_data.split(split_ratio=0.8)

# build vocab
TEXT.build_vocab(train_data, vectors=Vectors(w2v_file))
self.word_embeddings = TEXT.vocab.vectors
self.vocab = TEXT.vocab

test_examples = [data.Example.fromlist(i, datafields) for i in test_df.values.tolist()]
test_data = data.Dataset(test_examples, datafields)

self.train_iterator = data.BucketIterator(
            (train_data),
            batch_size=self.config.batch_size,
            sort_key=lambda x: len(x.title),
            repeat=False,
            shuffle=True)

self.val_iterator, self.test_iterator = data.BucketIterator.splits(
    (val_data, test_data),
    batch_size=self.config.batch_size,
    sort_key=lambda x: len(x.title),
    repeat=False,
    shuffle=False)

接下来是我的代码（ load_data_but_error ）加载其他源但导致错误

TEXT = data.Field(sequential=True, tokenize=tokenizer, lower=True, fix_length=self.config.max_sen_len)
datafields = [('title', TEXT)]

examples = [data.Example.fromlist(i, datafields) for i in df.values.tolist()]
blink_test = data.Dataset(examples, datafields)

self.blink_test = data.BucketIterator(
    (blink_test),
    batch_size=self.config.batch_size,
    sort_key=lambda x: len(x.title),
    repeat=False,
    shuffle=True)

当我执行代码时，出现错误AttributeError: 'Field' object has no attribute 'vocab'在这里有一个问题，但它不喜欢我的情况，因为这里我有来自load_data的 vocab，我想将它用于眨眼测试。

我的问题是使用训练有素的 PyTorch model 加载和提供新数据以测试当前 model 的正确方法是什么？

Answer 1

我需要的是

1. 通过分配给 class 变量将TEXT保留在load_data中并在load_data_but_error中重用
2. 将train=True添加到 object data.BucketIterator on load_data_but_error function

Answer 2

不太确定，但考虑到您已经重新定义了TEXT ，您将不得不再次为您的 Field TEXT明确创建词汇。 这可以按如下方式完成：

TEXT.build_vocab(examples, min_freq = 2)

只有当它在数据集examples中至少出现两次时，此特定语句才会将数据中的单词添加到词汇表中，您可以根据需要更改它。

您可以在https://torchtext.readthedocs.io/en/latest/data.html#torchtext.data.Field.build_vocab阅读有关build_vocab方法的信息。