如何在给定 DNN 的情况下对 X_test 进行预测?
How to get predictions on X_test given the DNN?
我完成了泰坦尼克号数据集的 DNN 模型构建。鉴于此,我如何对 X_test 进行预测?可以通过我的 github:
访问我的代码
https://github.com/isaac-altair/Titanic-Dataset
谢谢
当您训练模型时,您要求 tensorflow 评估您的 train_op
。您的 train_op
是您的优化器,例如:
train_op = tf.train.AdamOptimizer(...).minimize(cost)
你 运行 像这样训练模型:
sess.run([train_op], feed_dict={x:data, y:labels})
train_op 取决于诸如梯度和更新权重的操作之类的东西,所以当您 运行 train_op
.
时,所有这些事情都会发生
在推理时,您只需要求它执行不同的计算。您可以定义优化器,但如果您不要求它 运行 优化器,它将不会执行优化器所依赖的任何操作。您可能有一个名为 logits
的网络输出(您可以将其命名为任何名称,但 logits 是最常见的,并且在大多数教程中都能看到)。您可能还定义了一个名为 accuracy
的运算符,用于计算批处理的准确性。可以获取到tensorflow类似请求者的值:
sess.run([logits, accuracy], feed_dict={x:data, y:labels})
几乎任何教程都会演示这一点。我最喜欢的教程在这里:https://github.com/aymericdamien/TensorFlow-Examples
我完成了泰坦尼克号数据集的 DNN 模型构建。鉴于此,我如何对 X_test 进行预测?可以通过我的 github:
访问我的代码https://github.com/isaac-altair/Titanic-Dataset
谢谢
当您训练模型时,您要求 tensorflow 评估您的 train_op
。您的 train_op
是您的优化器,例如:
train_op = tf.train.AdamOptimizer(...).minimize(cost)
你 运行 像这样训练模型:
sess.run([train_op], feed_dict={x:data, y:labels})
train_op 取决于诸如梯度和更新权重的操作之类的东西,所以当您 运行 train_op
.
在推理时,您只需要求它执行不同的计算。您可以定义优化器,但如果您不要求它 运行 优化器,它将不会执行优化器所依赖的任何操作。您可能有一个名为 logits
的网络输出(您可以将其命名为任何名称,但 logits 是最常见的,并且在大多数教程中都能看到)。您可能还定义了一个名为 accuracy
的运算符,用于计算批处理的准确性。可以获取到tensorflow类似请求者的值:
sess.run([logits, accuracy], feed_dict={x:data, y:labels})
几乎任何教程都会演示这一点。我最喜欢的教程在这里:https://github.com/aymericdamien/TensorFlow-Examples