我不了解如何使用TensorFlow Estimator API进行单一预测 - 我的代码会导致无限循环,无法预测相同的输入。
根据documentation,当input_fn引发StopIteration异常时,预测应该停止:
input_fn:返回功能的输入函数,它是一个字典 字符串功能名称为Tensor或SparseTensor。如果它返回一个元组, 第一项被提取为要素。预测一直持续到 input_fn引发输入结束异常(OutOfRangeError或 StopIteration异常)。
这是我的代码中的相关部分:
classifier = tf.estimator.Estimator(model_fn=image_classifier, model_dir=output_dir,
config=training_config, params=hparams)
def make_predict_input_fn(filename):
queue = [ filename ]
def _input_fn():
if len(queue) == 0:
raise StopIteration
image = model.read_and_preprocess(queue.pop())
return {'image': image}
return _input_fn
predictions = classifier.predict(make_predict_input_fn('garden-rose-red-pink-56866.jpeg'))
for i, p in enumerate(predictions):
print("Prediction %s: %s" % (i + 1, p["class"]))
我错过了什么?
答案 0 :(得分:0)
That's because input_fn() needs to be a generator. Change your function to (yield instead of return):
def make_predict_input_fn(filename):
queue = [ filename ]
def _input_fn():
if len(queue) == 0:
raise StopIteration
image = model.read_and_preprocess(queue.pop())
yield {'image': image}
return _input_fn
答案 1 :(得分:0)
一种解决方案是使用itertools.islice:
import itertools
predictions = itertools.islice(predictions, number_of_samples)
for i, p in enumerate(predictions):
print("Prediction %s: %s" % (i + 1, p["class"]))
number_of_samples是一个整数,它是迭代器的停止点。