经过漫长的训练过程，我们会得到每个 EPOCH 运行完后，缓存下来的模型文件，测试阶段直接加载缓存文件即可。

另外，为了解模型的整体效果，在最后我们需要统计一下，在整个测试集上模型的准确率。

代码示例

1、模型测试 

内容不可见，请联系管理员开通权限。

2、测试准确率 

内容不可见，请联系管理员开通权限。

对于多分类问题来说，当样本不均衡时，只关注整体准确率是片面的，比如 90% 的标签都是O，模型什么都不做，也能有0.9的准确率。所以，最好是有一个针对每个分类的指标统计。

但是这块的内容代码简单，背景知识复杂，需要结合混淆矩阵才能解释清楚。在这个浮躁的时代，“短小快”才是美，所以就不延伸了。后面做分类任务的项目还有很多，我会找合适的机会补充这块内容。

本文链接：http://ichenhua.cn/edu/note/461

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！