我希望找到一种方法,在TF2.0中使用Keras的
我可以创建具有批处理功能的
predict_on_batch
函数放在tf.data.Dataset.map()
函数内。假设我有一个numpy数据集。n_data = 10**5
my_data = np.random.random((n_data,10,1))
my_targets = np.random.randint(0,2,(n_data,1))
data = ({'x_input':my_data}, {'target':my_targets})
以及一个tf.keras
模型
x_input = Input((None,1), name = 'x_input')
RNN = SimpleRNN(100, name = 'RNN')(x_input)
dense = Dense(1, name = 'target')(RNN)
my_model = Model(inputs = [x_input], outputs = [dense])
my_model.compile(optimizer='SGD', loss = 'binary_crossentropy')
我可以创建具有批处理功能的
数据集
。dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(10)
prediction_dataset = dataset.map(transform_predictions)
其中,transform_predictions
是一个用户定义的函数,用于从 predict_on_batch
中获取预测结果。
def transform_predictions(inputs, outputs):
predictions = my_model.predict_on_batch(inputs)
# predictions = do_transformations_here(predictions)
return predictions
当使用predict_on_batch
函数时会提示以下错误:
AttributeError: 'Tensor' object has no attribute 'numpy'
据我所知,predict_on_batch
函数需要一个numpy数组作为输入参数,而数据集给出了一个张量对象。
似乎解决的一个可能方法是将predict_on_batch
函数放在`tf.py_function`中,但我也无法使其正常工作。
有人知道如何解决吗?