实际项目中，准确率能达到 0.9 以上，模型就是可用的，所以接下来，我们就用在GPU上训练好的模型，来做预测了。

因为预测的数据，更多是来源于接口或者表单输入，并不是文件，所以没法用 Dataset 的加载方法。所以，在预测环节，我们需要重复实现一遍，数据处理的过程，主要是 Bert 分词和长度截取的逻辑。

代码示例

1、模型预测 

内容不可见，请联系管理员开通权限。

项目总结

1）TextCNN 的模型结构很简单，但它是一个面试的高频问题，这个项目中，我们用的是 Bert 做的前置的文本向量化，建议大家再用随机 Embedding 试一试，对比一下两个模型的效果，随机 Embedding 这块不熟悉的话，可以参考「医疗命名实体识别项目」。

2）在这个项目当中，我们做的是对新闻标题进行文本分类，其实文本分类是一个运用面很广的任务，后面我规划的「属性级情感分类」和「智能对话机器人」两个项目中，都会用到文本分类的思想。后面的项目会越来越大，这个项目相当于是一个铺垫。

本文链接：http://ichenhua.cn/edu/note/510

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！