#python #tensorflow #machine-learning #keras
Вопрос:
Я совершенно новичок в TensorFlow. Я следовал некоторым учебным пособиям и разработал свою первую модель многоклассовой классификации.
Я не уверен, что мои слои разумно спроектированы, во всяком случае, точность теста составляет 0,98 или около того.
Дело в том, что я не могу использовать свою модель для прогнозирования нового ввода. Вот мой код и данные, которые я использовал для обучения модели.
Данные содержат 10 столбцов, последний из которых-имена классов. Модель должна использовать строку из 9 значений, чтобы предсказать, к какому классу относится строка.
Все коды были запущены в colab.
!pip install sklearn
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow import feature_column
from tensorflow.keras import layers
from tensorflow.keras import Sequential
from sklearn.model_selection import train_test_split
index_col = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'r']
dataframe = pd.read_csv('drive/MyDrive/Book2.csv', names=index_col)
train, test = train_test_split(dataframe, test_size=0.2)
train, val = train_test_split(train, test_size=0.2)
train_labels = train.filter('r')
train = train.drop('r', axis=1)
test_labels = test.filter('r')
test = test.drop('r', axis=1)
model = tf.keras.Sequential([
tf.keras.layers.Dense(1),
tf.keras.layers.Dense(100, activation='relu'),
tf.keras.layers.Dense(4)
])
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
model.fit(train, train_labels, epochs=20)
test_loss, test_acc = model.evaluate(test, test_labels, verbose=2)
result = model.predict(pd.DataFrame([1, 3, 0, 3, 3, 1, 2, 3, 2]))
Вот ошибка консоли, которую я получил.
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-29-942b3f127f67> in <module>()
----> 1 result = model.predict([1, 3, 0, 3, 3, 1, 2, 3, 2])
9 frames
/usr/local/lib/python3.7/dist-packages/tensorflow/python/framework/func_graph.py in wrapper(*args, **kwargs)
984 except Exception as e: # pylint:disable=broad-except
985 if hasattr(e, "ag_error_metadata"):
--> 986 raise e.ag_error_metadata.to_exception(e)
987 else:
988 raise
ValueError: in user code:
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training.py:1569 predict_function *
return step_function(self, iterator)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training.py:1559 step_function **
outputs = model.distribute_strategy.run(run_step, args=(data,))
/usr/local/lib/python3.7/dist-packages/tensorflow/python/distribute/distribute_lib.py:1285 run
return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/distribute/distribute_lib.py:2833 call_for_each_replica
return self._call_for_each_replica(fn, args, kwargs)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/distribute/distribute_lib.py:3608 _call_for_each_replica
return fn(*args, **kwargs)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training.py:1552 run_step **
outputs = model.predict_step(data)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training.py:1525 predict_step
return self(x, training=False)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/base_layer.py:1013 __call__
input_spec.assert_input_compatibility(self.input_spec, inputs, self.name)
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/input_spec.py:255 assert_input_compatibility
' but received input with shape ' display_shape(x.shape))
ValueError: Input 0 of layer sequential_2 is incompatible with the layer: expected axis -1 of input shape to have value 9 but received input with shape (None, 1)
Book2.csv находится здесь.
Комментарии:
1. Может быть, попробуйте
np.arraypd.DataFrameв качестве входных данных для прогнозирования использовать а, а не а.2. Ваша ссылка на набор данных является частной. Что такое
train.shape?3. Извините, @Kaveh, Ссылка обновлена. поезд.форма (7133, 10).
4. @JackGee, результат тот же. Я получаю ту же ошибку.
Ответ №1:
Ваш фрейм данных, переданный в predict имеет форму (9,1) . Его форма должна быть похожа на форму набора данных поезда (за исключением первого измерения), который вы передали.
Просто перенесите свои данные, чтобы изменить форму с (9,1) на (1,9) :
result = model.predict(pd.DataFrame([1, 3, 0, 3, 3, 1, 2, 3, 2]).T)
P. S: (9,1) означает 9 образцов, каждый из которых имеет 1 функцию, несовместимую с ожиданиями вашей модели. Но (1,9) означает 1 образец с 9 функциями.
Комментарии:
1. Спасибо. Это модель keras или сохраненная модель? Конечная цель состоит в том, чтобы развернуть эту модель в интерфейсе и сделать прогнозы с помощью tensorflow.js. Я думаю, что это модель кераса, верно?
2. Это всего лишь модель. Если вы сохраните его так, как
model.save('model.h5')это модель keras (будет сохранен 1 файл). Если вы сохраните его какmodel.save("path/to/folder/")сохраненную модель (будет создано несколько файлов и папок).3. И, как насчет в tensorflow.js? Могу ли я так поступить? результат = модель.прогноз([1, 2, 3, 4, 5, 6, 7, 8, 9]);?
4. Что ты хочешь сделать? Просто вывод через tfjs? Или также создание и обучение модели с помощью tfjs?
5. Итак, сначала вы должны преобразовать свою модель в поддерживаемый формат с помощью tfjs. затем загрузите его в js и сделайте следующий вывод:
const input = tf.tensor2d([array_with_shape_1x9]);тогдаconst result = model.predict(input);. Если вы хотите получить подробную информацию о коде, Вы можете задать другой вопрос, чтобы я поделился с вами некоторыми кодами.