代码拉取完成,页面将自动刷新
from with_conv1d import ResRecNet
from with_fully_connect import RecNet
import argparse
import torch
import pandas as pd
if __name__ == '__main__':
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
parser = argparse.ArgumentParser()
parser.add_argument('-c', '--conv', help='using conv1d model', action='store_true')
parser.add_argument('-f', '--fully', help='using fully connect model', action='store_true')
args = parser.parse_args()
if args.conv:
mynet = ResRecNet().to(device)
mynet.load_state_dict(torch.load('parameters_conv.para'))
else:
mynet = RecNet().to(device)
mynet.load_state_dict(torch.load('parameters.para'))
df = pd.read_excel("test.xlsx")
test_data = df.values
test_data_tensor = torch.FloatTensor(test_data).to(device)
y = mynet(test_data_tensor).detach().cpu().numpy()
file = open('result.txt', 'w')
for i in range(y.shape[0]):
print('%.6f' % y[i][1], file=file)
file.close()
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。