Question

我对tensorflow很新，为了学习使用它我目前正在尝试实现一个非常简单的DNNRegressor，它可以预测2D中对象的移动但我似乎无法使用预测函数。

为此我有一些输入数据 - 在以前的许多时间步骤中对象的x和y坐标。如果对象继续以相同的速度向同一方向移动，我希望输出合理估计对象的位置。

我使用的是tensorflow版本1.8.0

我的回归定义如下：

CSV_COLUMN_NAMES = ['X_0', 'X_1', 'X_2', 'X_3', 'X_4', 'Y_0', 'Y_1', 'Y_2', 'Y_3', 'Y_4', 'Y_5']

my_feature_columns = []
for key in columnNames:
     my_feature_columns.append(tf.feature_column.numeric_column(key=key))


regressor = estimator.DNNRegressor(feature_columns=my_feature_columns,
                                           label_dimension=1,
                                           hidden_units=hidden_layers,
                                           model_dir=MODEL_PATH,
                                           dropout=dropout,
                                           config=test_config)

我的输入就像预制估算器的tensorflow教程中的那个，是一个以列为关键字的字典。可以看到此输入的示例here。

regressor.train（参数）和regressor.evaluate（参数）似乎工作正常，但预测却没有。

与tensorflow site上的代码并行，我尝试这样做：

y_pred = regressor.predict(input_fn=eval_input_fn(X_test, labels=None, batch_size=1))

似乎也有效。

我现在面临的问题是我无法从y_pred对象中获得任何内容。

当我输入print(y_pred)时，我得到<generator object Estimator.predict at 0x7fd9e8899888>，这对我来说应该可以迭代但是

    for elem in y_pred:
        print(elem)

结果为TypeError: unsupported callable

同样，我对此很陌生，如果答案很明显，我很抱歉，如果有人能告诉我这里的错误，我将非常感激。

Answer 1

input_fn到regressor.predict应该是一个功能。请参阅definition：

input_fn：构造特征的函数。

您需要将代码更改为：

y_pred = regressor.predict(input_fn=eval_input_fn)

使用tensorflow的估计器进行预测.DNNRegressor

1 个答案: