tf.估计器需要用于预测十位数的标签数据和批次大小

Question

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{}。在

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)))

Answer 1

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

Answer 2

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：

def get_inputs(feature_data, label_data, batch_size, n_epochs=None, shuffle=True):
    dataset = tf.data.Dataset.from_tensor_slices( #from_tensor_slices
        (feature_data, label_data))

    dataset = dataset.repeat(n_epochs)
    if shuffle:
        dataset = dataset.shuffle(len(feature_data))
    dataset = dataset.batch(batch_size)
    features, labels = dataset.make_one_shot_iterator().get_next()
    return features, labels

创建一个新函数pred_get_inputs，它不需要label_data或{}：

^{pr2}$