Question

我想用aws sagemaker进行线性回归。我用一些值训练我的模型，并根据输入预测值。但有时它预测值超出范围，因为我预测的百分比不能小于0且大于100.我怎么能在这里限制它：

sess = sagemaker.Session()

linear = 
sagemaker.estimator.Estimator(containers[boto3.Session().region_name],
role, 
train_instance_count=1, 
train_instance_type='ml.c4.xlarge',
output_path='s3://{}/{}/output'.format(bucket, prefix),
 sagemaker_session=sess)
linear.set_hyperparameters(feature_dim=5,
mini_batch_size=100,
predictor_type='regressor',
epochs=10,
num_models=32,
loss='absolute_loss')

linear.fit({'train': s3_train_data, 'validation': s3_validation_data})

如何让我的模型不要预测超出范围的值：[0,100]。

Answer 1

是的，你可以。您可以将output_fn实现为＆＃34;砖墙＆＃34;你的输出。在模型返回值之后，SageMaker将调用output_fn以对结果进行任何后处理。这可以通过创建一个单独的python文件来完成，在那里指定output_fn方法。在实例化Estimator时提供此python文件。

之类的东西

sess = sagemaker.Session()

linear = 
sagemaker.estimator.Estimator(containers[boto3.Session().region_name],
role, 
train_instance_count=1, 
train_instance_type='ml.c4.xlarge',
output_path='s3://{}/{}/output'.format(bucket, prefix),
 sagemaker_session=sess)
linear.set_hyperparameters(feature_dim=5,
mini_batch_size=100,
predictor_type='regressor',
epochs=10,
num_models=32,
loss='absolute_loss',

entry_point =＆＃39; entry.py＆＃39;

）

linear.fit({'train': s3_train_data, 'validation': s3_validation_data})

您的entry.py看起来像

def output_fn(data, accepts):
    """
    Args:
        data: A result from TensorFlow Serving
        accepts: The Amazon SageMaker InvokeEndpoint Accept value. The content type the response object should be
            serialized to.
    Returns:
        object: The serialized object that will be send to back to the client.

    """

将逻辑实施到＆＃34;砖墙＆＃34;这里。

    return data.outputs['outputs'].string_val

如何限制范围内的模型预测值？

1 个答案: