- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 Tensorflow 2 训练模型。
我收到错误:
ValueError: Attempt to convert a value (<tensorflow.python.keras.engine.training.Model object at 0x7f1ab822ecc0>) with an unsupported type (<class 'tensorflow.python.keras.engine.training.Model'>) to a Tensor.
当我尝试打电话时
return loss_object(y_true=y, y_pred=ypred)
里面loss
功能。
ypred
的类型是
<class'tensorflow.python.keras.engine.training.Model'>
它应该是一个张量。
import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
df = pd.DataFrame({'A': np.array([100, 105.4, 108.3, 111.1, 113, 114.7]),
'B': np.array([11, 11.8, 12.3, 12.8, 13.1,13.6]),
'C': np.array([55, 56.3, 57, 58, 59.5, 60.4]),
'Target': np.array([4000, 4200.34, 4700, 5300, 5800, 6400])})
def data():
X_train, X_test, y_train, y_test = train_test_split(df.iloc[:, :3].values,
df.iloc[:, 3].values,
test_size=0.2,
random_state=134)
return X_train, X_test, y_train, y_test
X_train, X_test, y_train, y_test = data()
features = {'A': X_train[:, 0],
'B': X_train[:, 1],
'C': X_train[:, 2]}
labels = y_train
batch_size = 1
def train_input_fn(features, labels, batch_size):
train_dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
train_dataset = train_dataset.shuffle(1000).repeat().batch(batch_size)
return train_dataset
def pack_features_vector(features, labels):
'''Pack the features into a single array'''
features = tf.stack(list(features.values()), axis=1)
return features, labels
train_dataset = train_input_fn(features, labels, batch_size).map(pack_features_vector)
class Model():
def __init__(self):
pass
def build_model(self, features):
inputs = tf.keras.Input(shape=(features.shape[1],))
x = tf.keras.layers.Dense(2, activation='relu')(inputs)
preds = tf.keras.layers.Dense(1)(x)
model = tf.keras.Model(inputs=inputs, outputs=preds)
return model
def loss(self, loss_object, X, y):
ypred = self.build_model(X)
print(type(ypred))
print(ypred)
return loss_object(y_true=y, y_pred=ypred)
def grad(self, loss_object, X, y):
with tf.GradientTape() as tape:
loss_value = self.loss(loss_object, X, y)
return loss_value, tape.gradient(loss_value, self.build_model(X).trainable_variables)
def train(self, X, y, optimizer, loss_object):
loss_value, grads = self.grad(loss_object, X, y)
optimizer.apply_gradients(zip(grads, self.build_model(X).trainable_variables))
learning_rate = 0.001
optimizer=tf.optimizers.RMSprop(learning_rate)
loss_object=tf.keras.losses.mean_squared_error
epochs = 1
for epoch in range(epochs):
epoch_loss_avg = tf.keras.metrics.Mean()
epoch_acc = tf.keras.metrics.MeanSquaredError()
for X, y in train_dataset:
Model().train(X, y, optimizer, loss_object)
如果我不使用该类而是运行:
inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(2, activation='relu')(inputs)
preds = tf.keras.layers.Dense(1)(x)
model = tf.keras.Model(inputs=inputs, outputs=preds)
for x, y in train_dataset:
ypred = model(x)
print(type(ypred))
loss_object(y, ypred)
运行正常!
model(x)
的类型是 <class 'tensorflow.python.framework.ops.EagerTensor'>
但是在类代码中,self.build_model(X)
的类型是 model
.
最佳答案
在该方法中,将第一行从 ypred = self.build_model(X)
更改为 ypred = self.build_model()(X)
另一种与您的数据设置“有效”的方法:
import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
df = pd.DataFrame({'A': np.array([100, 105.4, 108.3, 111.1, 113, 114.7]),
'B': np.array([11, 11.8, 12.3, 12.8, 13.1,13.6]),
'C': np.array([55, 56.3, 57, 58, 59.5, 60.4]),
'Target': np.array([4000, 4200.34, 4700, 5300, 5800, 6400])})
def data():
X_train, X_test, y_train, y_test = train_test_split(df.iloc[:, :3].values,
df.iloc[:, 3].values,
test_size=0.2,
random_state=134)
return X_train, X_test, y_train, y_test
X_train, X_test, y_train, y_test = data()
features = {'A': X_train[:, 0],
'B': X_train[:, 1],
'C': X_train[:, 2]}
labels = y_train
batch_size = 1
def train_input_fn(features, labels, batch_size):
train_dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
train_dataset = train_dataset.shuffle(1000).repeat().batch(batch_size)
return train_dataset
def pack_features_vector(features, labels):
'''Pack the features into a single array'''
features = tf.stack(list(features.values()), axis=1)
return features, labels
train_dataset = train_input_fn(features, labels, batch_size).map(pack_features_vector)
class Model(tf.keras.Model):
def __init__(self):
super(Model,self).__init__()
self.l1= tf.keras.layers.Dense(2, activation='relu')
self.out = tf.keras.layers.Dense(1)
def __call__(self,x):
x=self.l1(x)
return self.out(x)
learning_rate = 1
optimizer=tf.optimizers.RMSprop(learning_rate)
loss_object=tf.keras.losses.mean_squared_error
model = Model()
train_loss = tf.keras.metrics.Mean(name='train_loss')
train_accuracy = tf.keras.metrics.SparseCategoricalAccuracy(name='train_accuracy')
for x,y in train_dataset:
with tf.GradientTape() as tape:
y_ = model(x)
loss = loss_object(y, y_)
gradients = tape.gradient(loss, model.trainable_variables)
optimizer.apply_gradients(zip(gradients, model.trainable_variables))
print("loss",train_loss(loss),"accuracy",train_accuracy(y,y_))
关于python-3.x - valueerror 尝试将值(类型模型)转换为张量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55161550/
我正在尝试编写一个相当多态的库。我遇到了一种更容易表现出来却很难说出来的情况。它看起来有点像这样: {-# LANGUAGE ScopedTypeVariables #-} {-# LANGUAGE
谁能解释一下这个表达式是如何工作的? type = type || 'any'; 这是否意味着如果类型未定义则使用“任意”? 最佳答案 如果 type 为“falsy”(即 false,或 undef
我有一个界面,在IAnimal.fs中, namespace Kingdom type IAnimal = abstract member Eat : Food -> unit 以及另一个成功
这个问题在这里已经有了答案: 关闭 10 年前。 Possible Duplicate: What is the difference between (type)value and type(va
在 C# 中,default(Nullable) 之间有区别吗? (或 default(long?) )和 default(long) ? Long只是一个例子,它可以是任何其他struct类型。 最
假设我有一个案例类: case class Foo(num: Int, str: String, bool: Boolean) 现在我还有一个简单的包装器: sealed trait Wrapper[
这个问题在这里已经有了答案: Create C# delegate type with ref parameter at runtime (1 个回答) 关闭 2 年前。 为了即时创建委托(dele
我正在尝试获取图像的 dct。一开始我遇到了错误 The function/feature is not implemented (Odd-size DCT's are not implemented
我正在尝试使用 AFNetworking 的 AFPropertyListRequestOperation,但是当我尝试下载它时,出现错误 预期的内容类型{( “应用程序/x-plist” )}, 得
我在下面收到错误。我知道这段代码的意思,但我不知道界面应该是什么样子: Element implicitly has an 'any' type because index expression is
我尝试将 SignalType 从 ReactiveCocoa 扩展为自定义 ErrorType,代码如下所示 enum MyError: ErrorType { // .. cases }
我无法在任何其他问题中找到答案。假设我有一个抽象父类(super class) Abstract0,它有两个子类 Concrete1 和 Concrete1。我希望能够在 Abstract0 中定义类
我想知道为什么这个索引没有用在 RANGE 类型中,而是用在 INDEX 中: 索引: CREATE INDEX myindex ON orders(order_date); 查询: EXPLAIN
我正在使用 RxJava,现在我尝试通过提供 lambda 来订阅可观察对象: observableProvider.stringForKey(CURRENT_DELETED_ID) .sub
我已经尝试了几乎所有解决问题的方法,其中包括。为 提供类型使用app.use(express.static('public'))还有更多,但我似乎无法为此找到解决方案。 index.js : imp
以下哪个 CSS 选择器更快? input[type="submit"] { /* styles */ } 或 [type="submit"] { /* styles */ } 只是好
我不知道这个设置有什么问题,我在 IDEA 中获得了所有注释(@Controller、@Repository、@Service),它在行号左侧显示 bean,然后转到该 bean。 这是错误: 14-
我听从了建议 registering java function as a callback in C function并且可以使用“简单”类型(例如整数和字符串)进行回调,例如: jstring j
有一些 java 类,加载到 Oracle 数据库(版本 11g)和 pl/sql 函数包装器: create or replace function getDataFromJava( in_uLis
我已经从 David Walsh 的 css 动画回调中获取代码并将其修改为 TypeScript。但是,我收到一个错误,我不知道为什么: interface IBrowserPrefix { [
我是一名优秀的程序员,十分优秀!