@@ -420,7 +420,7 @@ python freeze_code.py --path /home/santanu/Downloads/Mobile_App/ --MODEL_NAME mo
39.623s:ModelFreeze
```
# 创建用于推理的单字词典
# 创建用于推理的单词到标记的词典
在预处理过程中,我们训练了 Keras 标记器,用其数字单词索引替换单词,以便将处理后的电影评论输入 LSTM 模型进行训练。 我们还保留了具有最高单词频率的前`50000`个单词,并将查看序列设置为`1000`的最大长度。 尽管训练有素的 Keras 标记生成器已保存用于推断,但 Android 应用程序无法直接使用它。 我们可以还原 Keras 标记器,并将前`50000`个单词及其对应的单词索引保存在文本文件中。 可以在 Android 应用中使用此文本文件,以构建**词对索引词典**,以将评论文本的词转换为其词索引。 重要的是要注意,可以通过参考`tokenizer.word_index.`从加载的 Keras 标记生成器对象中检索单词到索引的映射,执行此活动`tokenizer_2_txt.py`的详细代码如下:
...
...
@@ -467,7 +467,7 @@ Using TensorFlow backend.
165.235ms:Tokenize
```
# 应用界面页面设计
# 应用界面设计
可以使用 Android Studio 设计一个简单的移动应用程序界面,并将相关代码生成为 XML 文件。 正如您在以下屏幕截图(“图 7.3”)中所看到的那样,该应用程序包含一个简单的电影评论文本框,用户可以在其中输入他们的电影评论,并在完成后按`SUBMIT`按钮。 按下`SUBMIT`按钮后,评论将传递到核心应用逻辑,该逻辑将处理电影评论文本并将其传递给 TensorFlow 优化模型进行推理。