Deeplearning4j v1.0.0-M1.1如何加载已保存模型实现新样本分类预测？

首先你需要补充训练阶段的归一化器保存逻辑，预测时必须使用训练集得到的均值、标准差做归一化，否则预测结果会出现偏差：

1. 训练阶段补充保存归一化器代码 #

在训练代码的normalizer.fit(trainingData)执行完成后，添加以下代码保存归一化器：

// 保存归一化器到本地
File normalizerFile = new File("C:/Projects/deeplearning4j/iris_normalizer.bin");
NormalizerSerializer.getDefault().writeNormalizer(normalizer, normalizerFile);

2. 加载模型时同步加载归一化器 #

你加载模型的代码旁，添加加载归一化器的逻辑：

// 加载已训练好的模型
File locationToLoad = new File("C:/Projects/deeplearning4j/trained_iris_model.zip");
MultiLayerNetwork model = ModelSerializer.restoreMultiLayerNetwork(locationToLoad);

// 加载对应训练集的归一化器
File normalizerFile = new File("C:/Projects/deeplearning4j/iris_normalizer.bin");
DataNormalization normalizer = NormalizerSerializer.getDefault().restore(normalizerFile);

3. 处理待预测数据并得到结果 #

你已经初始化了待预测数据的CSVRecordReader，后续操作代码如下：

// 构造无标签数据集迭代器，batchSize设为待预测样本总数即可
int predictBatchSize = 3; // 按实际待预测样本数修改
DataSetIterator predictIterator = new RecordReaderDataSetIterator(recordReader, predictBatchSize);
DataSet predictData = predictIterator.next();

// 用训练集的归一化规则对待预测数据做归一化，禁止调用fit方法
normalizer.transform(predictData);
INDArray predictFeatures = predictData.getFeatures();

// 方案1：直接获取分类标签（返回int数组，元素为0/1/2，对应三类鸢尾花）
int[] predictedLabels = model.predict(predictFeatures);
for (int i = 0; i < predictedLabels.length; i++) {
    System.out.printf("第%d个样本预测分类：%d%n", i+1, predictedLabels[i]);
}

// 方案2：获取每个类别的预测概率，适用于需要输出置信度的场景
INDArray predictProbs = model.output(predictFeatures);
System.out.println("所有样本对应三个类别的预测概率：");
System.out.println(predictProbs);

注意事项 #

• 若待预测数据量较大，可以分批从predictIterator取batch处理，不需要一次性加载全部数据
• 归一化必须使用训练阶段得到的统计量，不能用待预测数据重新执行normalizer.fit()，否则会出现数据泄露导致结果错误

内容的提问来源于stack exchange，提问作者apollox