def infer(raw_data, **kwargs):
"""
:param raw_data: raw input (여기서는 문자열)을 입력받습니다
:param kwargs:
:return:
"""
# dataset.py에서 작성한 preprocess 함수를 호출하여, 문자열을 벡터로 변환합니다
dictionary = DP.Dictionary()
data = preprocess2(raw_data, config.strmaxlen, dictionary)
model.eval()
model.batch_size = len(data)
model.hidden = model.init_hidden()
# 저장한 모델에 입력값을 넣고 prediction 결과를 리턴받습니다
data = torch.LongTensor(np.array(data))
if GPU_NUM:
data = data.cuda()
output_prediction = model(Variable(data).t())
point = output_prediction.data.squeeze(dim=1).tolist()
# DONOTCHANGE: They are reserved for nsml
# 리턴 결과는 [(confidence interval, 포인트)] 의 형태로 보내야만 리더보드에 올릴 수 있습니다. 리더보드 결과에 confidence interval의 값은 영향을 미치지 않습니다
return list(zip(np.zeros(len(point)), point))
args.add_argument('--embedding', type=int, default=128)
args.add_argument('--hidden_dim', type=int, default=50)
args.add_argument('--lr', type=float, default=0.01)
args.add_argument('--num_layers', type=int, default=1)
args.add_argument('--cnn', type=bool, default=False)
args.add_argument('--dropout_rate', type=float, default=0.1)
args.add_argument('--dr_embed', type=float, default=0.35)
args.add_argument('--bi', type=bool, default=False)
args.add_argument('--total_train', type=int, default=1810000)
config = args.parse_args()
use_gpu = GPU_NUM or torch.cuda.is_available()
lr = float(config.lr)
dictionary = DP.Dictionary()
nlabel = 10
total_train = config.total_train
### create model
model = LSTMC.LSTMClassifier(embedding_dim=config.embedding,
hidden_dim=config.hidden_dim,
vocab_size=len(dictionary),
label_size=nlabel,
batch_size=config.batch,
use_gpu=use_gpu,
num_layers=config.num_layers,
cnn=config.cnn,
dropout_rate=config.dropout_rate,
bi=config.bi,
dr_embed=config.dr_embed)