def infer(raw_data, **kwargs):
"""
:param raw_data: raw input (여기서는 문자열)을 입력받습니다
:param kwargs:
:return:
"""
preprocessed_data = data_helpers.load_data_infer(
raw_data, vocabulary[0])
feed_dict = {
model.input_x: preprocessed_data,
model.dropout_keep_prob: 1.0
}
pred = sess.run(model.scores, feed_dict=feed_dict)
pred = pred * 10
pred = pred.flatten()
con = np.zeros(len(pred))
result = list(zip(con, pred))
# DONOTCHANGE: They are reserved for nsml
# 리턴 결과는 [(확률, 0 or 1)] 의 형태로 보내야만 리더보드에 올릴 수 있습니다. 리더보드 결과에 확률의 값은 영향을 미치지 않습니다
# [(1, 7.4), (1, 2.3)]
return result
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
#if type(vocabulary[0]) is list:
# raise listerror
#if vocabulary[0].voc is dict:
# raise classerror
preprocessed_data = data_helpers.load_data_infer(
raw_data, vocabulary[0])
#a = 1/0
# 저장한 모델에 입력값을 넣고 prediction 결과를 리턴받습니다
#pred = sess.run(output_sigmoid, feed_dict={x: preprocessed_data})
feed_dict = {
model.input_x: preprocessed_data,
model.dropout_keep_prob: 1.0
}
pred = sess.run(model.scores, feed_dict=feed_dict)
pred = pred * 10
pred = pred.flatten()
con = np.zeros(len(pred))
result = list(zip(con, pred))
# DONOTCHANGE: They are reserved for nsml
# 리턴 결과는 [(확률, 0 or 1)] 의 형태로 보내야만 리더보드에 올릴 수 있습니다. 리더보드 결과에 확률의 값은 영향을 미치지 않습니다
# [(1, 7.4), (1, 2.3)]
return result