我正在使用Tensorflow 1.4 .
我创建了一个自定义的tf.estimator来进行分类,如下所示:
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')
我可以轻松训练它:
input_fn = create_train_input_fn(path=train_files)
my_estimator.train(input_fn=input_fn)
其中input_fn是一个使用tf.data.Dataset API从 tfrecords files 读取数据的函数 .
当我从tfrecords文件中读取时,我在进行预测时没有内存中的标签 .
我的问题是,如何通过predict()方法或evaluate()方法返回预测和标签?
似乎没有办法同时拥有这两者 . predict()没有对标签的访问(?),并且不可能使用evaluate()方法访问预测字典 .
1 回答
完成培训后,在
'/my/directory'
中有一堆检查点文件 .您需要再次设置输入管道,手动加载其中一个文件,然后开始循环存储预测和标签的批次:
Update: 已更改为直接使用您已有的
model_fn
函数 .