- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在使用 TFRecordDataset 迭代器作为输入来训练 Keras 模型。训练阶段运行良好,但当我调用 model.predict
时,模型仍在使用训练数据而不是新数据作为输入。
# Load data as tensorflow iterator on a TFRecordDataset
X, y = loader.load_training_tensor_iterator()
X_test, y_test = loader.load_test_tensor_iterator()
# Build the model
input_layer = Input(tensor=X)
reshape = Flatten(input_shape=(-1, 10, 128))(input_layer)
a1 = Dense((200))(reshape)
a1 = BatchNormalization()(a1)
a1 = Activation('relu')(a1)
a1 = Dropout(drop_rate)(a1)
output_layer = Dense(classes_num, activation='sigmoid')(a1)
model = keras.models.Model(inputs=input_layer, outputs=output_layer)
model.compile(optimizer=keras.optimizers.Adam(lr=1e-3),
loss='binary_crossentropy',
target_tensors=[y])
model.fit(
epochs=EPOCHS,
steps_per_epoch=math.ceil(TRAINING_SET_SIZE/BATCH_SIZE))
现在,当我尝试使用该模型并获得对测试数据的预测时:
# Run predictions
y_pred = model.predict(X_test, steps=3)
我在 y_pred
中得到的是对训练集 X
的预测,而不是对 X_test
的预测。
我如何指定,在预测时,输入张量应该是传递给 predict
的数据,而不是传递给 Input(tensor= X)
?
最佳答案
引用Keras documentation对于输入层和 compile方法。当您设置张量参数时,Keras 不会为输入创建占位符,这就是您无法在 X_test 上运行预测的原因。您可以在不在输入层或编译方法中设置张量选项的情况下提供给模型并训练您的模型,这将使您能够运行预测,或通过提供给占位符来使用其他变量进行评估。 Here是一个示例,通过使用来自 Keras 的数据集 API 定义这种方式来显示测试。
关于python - Keras 模型无法预测以 TFRecordDataset 作为输入的新样本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53584617/
如何在生成 TFRecordDataset 时跳过 TFRecord 文件中的条目? 给定一个 TFRecord 文件和 tf.contrib.data.TFRecordDataset 对象,我通过
我正在 Google Cloud Datalab 上的 Jupyter notebook 中测试 Tensorflow 模型。该模型设置为使用 TFRecordDataset的 TFRecord文件作
我正在为我想做的任务在 tensorflow 中制作一个输入管道。我已经设置了一个 TFRecord 数据集,该数据集已保存到磁盘上的文件中。 我正在尝试使用以下代码加载数据集(进行批处理并发送到实际
我正在使用 TFRecordDataset 迭代器作为输入来训练 Keras 模型。训练阶段运行良好,但当我调用 model.predict 时,模型仍在使用训练数据而不是新数据作为输入。 # Loa
我不清楚 tf.TFRecordDataset 中的 buffer_size 参数是什么做。假设我们有以下代码: dataset = dataset.shuffle(buffer_size=10000
我正在使用新的 tf.data API 为 CIFAR10 数据集创建迭代器。我正在从两个 .tfrecord 文件中读取数据。一个保存训练数据 (train.tfrecords),另一个保存测试数据
我有一个大型 numpy 整数数据集,我想用 GPU 对其进行分析。数据集太大,无法放入 GPU 上的主内存,因此我尝试将它们序列化为 TFRecord,然后使用 API 流式传输记录进行处理。下面的
注意事项: 这个问题延伸到之前的 question of mine .在那个问题中,我询问了将一些虚拟数据存储为 Example 和 SequenceExample 的最佳方法,想知道哪种方法更适合与
在 TF1 中,我可以使用 summary_iterator阅读摘要文件。但是现在,它会抛出警告 WARNING:tensorflow: tf_record_iterator (from tensor
我是一名优秀的程序员,十分优秀!