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