predict_classes()在R中已弃用,应该使用什么?

这是一种复杂的方式,但我设法使它发挥了作用。我首先必须从tf对象中获取数组,结果是一个python数组,所以必须将其转换为R对象。然后我可以将它与另一个r对象进行比较/计算。

这是对测试数据的预测,输出( prednn.tf )是张量:

prednn.tf <- modelnn %>% predict(x_test) %>% k_argmax() 

现在使用np_array将张量转换为数组:

prednn.array <- np_array(prednn.tf)

现在转到r-对象:

prednn.array <- reticulate::py_to_r(prednn.array) 

现在将预测值与实际值进行比较,并计算精度:

accuracy(prednn.array, g_test) 

笔记 -以下是精度函数:

accuracy <- function(pred, truth)
  mean(drop(pred) == drop(truth))

这一切都是因为 predict_classes() 已弃用。也许有一种更简单的方法,但这对我来说很有效。

您可以使用

cnn_pred <- cnn_model %>%
    predict(x_test) %>% k_argmax()

在我的例子中,似乎有一个更简单的方法可以做到这一点:

将精度函数更改为:

accuracy <- function(pred, truth)
  mean(drop(pred) == drop(truth))

收件人:

accuracy <- function(pred, truth)
  mean(drop(as.numeric(pred)) == drop(truth))

然后进行以下工作:

modelnn %>% predict(x_test) %>% k_argmax() %>% accuracy(g_test)

看来, as.numeric() 将获取张量并提取值。希望这能有所帮助!