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?
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