# Sistema que nos permite marcar checkpoints en # el entrenamiento para que cada cierto tiempo # se vaya guardando la información y podamos # continuar entrenamientos o añadir nuevos. checkpoint_path = "./ckpt" ckpt = tf.train.Checkpoint(Dcnn=Dcnn) ckpt_manager = tf.train.CheckpointManager( ckpt, checkpoint_path, max_to_keep=5) # Guarda sólo los cinco últimos # Si hay checkpoint, restauro if ckpt_manager.latest_checkpoint: ckpt.restore(ckpt_manager.latest_checkpoint) print('Último checkpoint restaurado!!') Dcnn.fit(train_inputs, train_labels, batch_size=BATCH_SIZE, epochs=NB_EPOCHS) # pasará por cada tweet cinco veces. ckpt_manager.save() # FASE DE EVALUACIÓN: print('Evaluación') results = Dcnn.evaluate(test_inputs, test_labels, batch_size=BATCH_SIZE) print(results) # Hacemos una predicción: Dcnn(np.array([tokenizer.encode("I hate you")]), training=False).numpy() # Devuelve la probabilidad de que sea positivo tokenizer.encode("bad")