我创建了一个使用高级tfapi的网络,比如tf.估计器. 在
培训和评估工作做得很好并产生结果。但是在预测新数据时,get_inputs()
需要label_data
和{
错误是:TypeError: get_inputs() missing 2 required positional arguments: 'label_data' and 'batch_size'
我如何解决这个问题以便做出预测?在
这是我的代码:
predictTest = [0.34, 0.65, 0.88]
predictTest只是一个测试,不会是我真正的预测数据。在
get_inputs(),这是引发错误的地方。在
^{pr2}$预测输入:
def predict_input_fn():
return get_inputs(
predictTest,
n_epochs=1,
shuffle=False
)
预测:
predict = estimator.predict(predict_input_fn)
print("Prediction: {}".format(list(predict)))
任何模型的测试有两种类型。 1) 你想要准确度,召回率等。你需要为测试数据提供一个标签。如果你不提供标签,它会给你一个错误。 2) 你只想测试你的模型而不计算准确度,而不需要标签,但这里的预测会有所不同。在
我想我必须为预测创建一个新的
get_inputs()
函数。在如果我使用训练和评估使用的
get_inputs()
,那么它期望的是它不会得到的数据。在get_inputs
:创建一个新函数pred_get_inputs,它不需要}:
^{pr2}$label_data
或{相关问题 更多 >
编程相关推荐