Predecir el modelo de la próxima palabra de LSTM a partir de un ejemplo de Tensorflow

Mi amigo y yo estamos tratando de utilizar el modelo entrenado del ejemplo de tensorflow de LSTM aquí . Hemos podido entrenar a nuestro modelo, guardar el modelo y luego importar el modelo. Acabamos de usar el supervisor de tensorflow. Estaba en el tutorial, pero puedes leer más sobre esto aquí .

Es raro porque no hay mucha documentación clara para esto. Entiendo que tensorflow es una API que está pasando por muchos cambios y adaptaciones en este momento, pero es difícil encontrar respuestas claras. Por ejemplo, queremos usar tf.train.Saver() , pero no estamos seguros de si hay algo comparable a la tf.train.Supervisor() de tf.train.Supervisor() .

Más al punto, sin embargo, solo queremos usar nuestro modelo . Queremos poder mapear una cadena usando tensorflow.models.rnn.ptb.reader . No estamos seguros de cómo hacer esto. Pasamos una cadena, y queremos hacer una predicción simple en términos de como predecir la siguiente palabra en una cadena. Entonces, algo similar a esto:

 import tensorflow as tf sess = tf.Session() new_saver = tf.train.import_meta_graph('ptbmodel.meta') new_saver.restre(sess, tf.train.latest_checkpoint('./')) # latest checkpoint all_vars = tf.global_variables() # just want to make sure all our variables are there! for v in all_vars: v_ = sess.run(v) print("This is {} with value: {}".format(v.name, v_)) sent = raw_input("Enter a string where you want to predict the next word: ") split_sent = sent.split() # THEN map these words into our LSTM model and pull off the most likely word that # is coming next 

Pero, de nuevo, mi amigo y yo somos bastante nuevos en esto, así que no estamos seguros de a dónde ir. Sé que esta es una pregunta demasiado amplia para la stack, pero hemos estado revisando la documentación y no hemos podido avanzar mucho. ¡Cualquier ayuda sería apreciada tanto!

Ya hemos encontrado estos otros enlaces de stack. Échales un vistazo aquí y aquí .

No estamos seguros de cómo asociar la lista de probabilidad logits con ninguna palabra significativa.