keras，模型（数据）的含义是什么

Question

class MNISTModel:
    def __init__(self, restore, session=None):
        self.num_channels = 1
        self.image_size = 28
        self.num_labels = 10

        model = Sequential()

        model.add(Conv2D(32, (3, 3),
                         input_shape=(28, 28, 1)))
        model.add(Activation('relu'))
        model.add(Conv2D(32, (3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))

        model.add(Conv2D(64, (3, 3)))
        model.add(Activation('relu'))
        model.add(Conv2D(64, (3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))

        model.add(Flatten())
        model.add(Dense(200))
        model.add(Activation('relu'))
        model.add(Dense(200))
        model.add(Activation('relu'))
        model.add(Dense(10))
        model.load_weights(restore)

        self.model = model
        print('selfMNIST')

    def predict(self, data):
        tmp=self.model(data)  #Question is here
        return tmp

Answer 1

问得好，这取决于 data 是什么，但肯定是代码片段 具有误导性 。澄清一下：

如果你直接调用模型你需要传递张量，它就像另一层。 model(anotherlayer) 例如有效。但是，如果您传递实际数据（例如 NumPy 错误），则会出现此错误：

ValueError: Layer sequential_1 was called with an input that isn't a symbolic tensor. Received type: . Full input: [array(...)]. All inputs to the layer should be tensors.
如果你想预测，比如传递一些数字数据和运行网络/传播值/计算输出，那么你需要 model.predict(data) 这就是为什么它会产生误导，因为它是预测功能。

我的猜测是作者需要将模型链接在一起并编辑 class 的 predict 函数，而不是创建不同的 class 函数。

keras，模型（数据）的含义是什么

keras, what is the meaning of model(data)

python

model

sequential

keras