如何在tf.data.Dataset.map（）中使用Keras的predict_on_batch？

Question

我想在qazxsw poi找到一种方法在qazxsw poi里面使用Keras'qazxsw poi

假设我有一个numpy数据集

predict_on_batch

和tf.data.Dataset.map()模型

TF2.0.

我可以创建一个批量qazxsw poi

n_data = 10**5
my_data    = np.random.random((n_data,10,1))
my_targets = np.random.randint(0,2,(n_data,1))

data = ({'x_input':my_data}, {'target':my_targets})

其中tf.keras是一个用户定义的函数，可以从

x_input = Input((None,1), name = 'x_input')
RNN     = SimpleRNN(100,  name = 'RNN')(x_input)
dense   = Dense(1, name = 'target')(RNN)

my_model = Model(inputs = [x_input], outputs = [dense])
my_model.compile(optimizer='SGD', loss = 'binary_crossentropy')

获得预测

dataset

这给出了

dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(10)
prediction_dataset = dataset.map(transform_predictions)

的错误：

transform_predictions

据我了解，predict_on_batch期望一个numpy数组，它从数据集中得到一个张量对象。

似乎一种可能的解决方案是将

def transform_predictions(inputs, outputs):
    predictions = my_model.predict_on_batch(inputs)
    # predictions = do_transformations_here(predictions)
    return predictions

包装在`tf.py_function中，尽管我也无法将其工作。

有谁知道如何做到这一点？

Answer 1

Dataset.map（）返回没有numpy（）方法的predict_on_batch。

迭代数据集会返回具有numpy（）方法的AttributeError: 'Tensor' object has no attribute 'numpy'。

提供一个急切的张量来预测（）一系列方法很好。

你可以尝试这样的事情：

predict_on_batch