代码之家 › 专栏 › 技术社区 › Benjamin Larrousse

如何使用tf返回预测和标签。估计器(使用预测或评估方法)?

tensorflow-datasets tensorflow python

8

Benjamin Larrousse · 技术社区 · 8 年前

我正在使用Tensorflow 1.4。

我创建了一个自定义tf。为了进行分类,估计量如下:

def model_fn():
    # Some operations here
    [...]

    return tf.estimator.EstimatorSpec(mode=mode,
                           predictions={"Preds": predictions},
                           loss=cost,
                           train_op=loss,
                           eval_metric_ops=eval_metric_ops,
                           training_hooks=[summary_hook])

my_estimator = tf.estimator.Estimator(model_fn=model_fn, 
                       params=model_params,
                       model_dir='/my/directory')

我可以轻松训练:

input_fn = create_train_input_fn(path=train_files)
my_estimator.train(input_fn=input_fn)

输入fn 是从中读取数据的函数 tfrecords文件 ,使用 tf。数据数据集API

当我阅读tfrecords文件时,我没有标签

我的问题是,我怎样才能让预测和标签返回,或者方法或 评估() 方法

似乎不可能两者兼得。 预测() 预言带有方法

1 回复 | 直到 8 年前

1

11

GPhilo satyendra 8 年前

训练结束后 '/my/directory' 你有一堆检查点文件。

您需要再次设置输入管道,手动加载其中一个文件,然后开始在存储预测和标签的批次中循环:

# Rebuild the input pipeline
input_fn = create_eval_input_fn(path=eval_files)
features, labels = input_fn()

# Rebuild the model
predictions = model_fn(features, labels, tf.estimator.ModeKeys.EVAL).predictions

# Manually load the latest checkpoint
saver = tf.train.Saver()
with tf.Session() as sess:
    ckpt = tf.train.get_checkpoint_state('/my/directory')
    saver.restore(sess, ckpt.model_checkpoint_path)

    # Loop through the batches and store predictions and labels
    prediction_values = []
    label_values = []
    while True:
        try:
            preds, lbls = sess.run([predictions, labels])
            prediction_values += preds
            label_values += lbls
        except tf.errors.OutOfRangeError:
            break
    # store prediction_values and label_values somewhere

更新: 更改为直接使用 model_fn 您已经拥有的功能。