Keras 使用 keras.predict 预测单个示例？答案

【问题标题】：Keras Predict Single Example with keras.predict?Keras 使用 keras.predict 预测单个示例？
【发布时间】：2020-12-16 00:26:47
【问题描述】：

我确信/希望这是一个非常简单的问题，但我无法找到任何答案。

我在 Keras 中创建了一个包含 366 个输入神经元和一个输出神经元的序列模型。它似乎可以很好地训练和评估，但是每当我尝试预测单个示例时，我都会得到一个形状为 (366, 1) 的 numpy 数组，尽管 model.output_shape 是 (None, 1)。

我知道here 存在一个非常相似的问题，但不幸的是，没有一个提议的解决方案能解决我的问题。

根据我的阅读，这是因为 Keras 将每个输入视为一个单独的示例来进行预测，但是，到目前为止，这对我没有帮助。我尝试将输入作为大小为 (366, 1)、(1, 366)、(366,) 的 numpy 数组以及包含每个变体的列表传递，但没有任何效果（(1, 366) 抛出错误，并且所有其他人的输出大小为(366, 1))。

如果有人能提供帮助，将不胜感激。谢谢。

代码如下：（如果不是很整洁，请见谅）

培训：

import example_generator as eg
import numpy as np
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

training_data = np.load("../data/training_data.npy", allow_pickle=True)
testing_data = np.load("../data/testing_data.npy", allow_pickle=True)

model = Sequential([
    Dense(100, activation="relu"),
    Dense(30, activation="relu"),
    Dense(1, activation="linear")
])

model.compile(
    optimizer = "Adam",
    loss="mean_squared_error",
    metrics="mean_absolute_error"
)

model.fit(
    eg.yield_training_example(training_data, 366),
    epochs=1,
    steps_per_epoch = 14590,
    batch_size=50
)

model.evaluate(
    eg.yield_training_example(testing_data, 366),
    steps = 50
)

model.save("../models/model")

用于测试：

import example_generator as eg
import numpy as np
from tensorflow.keras.models import load_model

testing_data = np.load("../../data/testing_data.npy", allow_pickle=True)
model = load_model("../../data/models/feedforward")

testing_example = next(eg.yield_training_example(testing_data, 366))
X = testing_example[0]

prediction = model.predict(
    X
)

print(f"Prediction: {prediction}\nAnswer: {testing_example[1]}\n\n")

对于我用来返回示例的生成器：

import numpy as np

# Acts as an iterable of training examples
def yield_training_example(data, num_nn_inputs = 366):
    for eg in data[:, 1]:
        inc = 0
        while (inc <= (len(eg) - num_nn_inputs - 1)):
            yield (
                np.array(eg[inc:(inc + num_nn_inputs), :]).astype(np.float32),
                np.array(eg[(inc + num_nn_inputs), :]).astype(np.float32)
            )
            inc += 1

【问题讨论】：

您也可以发布您的代码吗？
@Ziri 我加了。另外，感谢您的回复。
我建议你开始使用 tf.data 来构建你的管道......它在后台处理了这么多......当然......你不会再有这个问题了跨度>

标签： python numpy machine-learning keras tf.keras

【解决方案1】：

好的，我最终解决了这个问题。我需要在制作模型时指定输入尺寸，如下所示：

model = Sequential([
    Dense(100, activation="relu", input_dim=366),
    Dense(30, activation="relu"),
    Dense(1, activation="linear")
])

从那里我只需要确保网络的所有输入都作为形状为 (1, 366) 的数组传递。

【讨论】：