Question

我在测试张量上使用model.predict（），该张量具有用于训练的输入大小（N_tr * 70,1025,11,3）

该模型通过回归进行训练，具有三个真实的输出，每个输出的大小为（N_te * 70,1025）。

有关信息，请在测试模型N_te = 180时使用。

根据文档，model.predict（）的输出应该是一个numpy张量，相反，我得到了三个元素的列表，每个元素的形状为（N_te * 70,1025）。恐怕输出可能会有所改组（这将解释我的意外结果）。

您有什么建议要得到一个与我用作地面真理的numpy数组兼容的数组？如果没有，您是否知道其他解决方法？

编辑：添加了神经网络代码

input_img = Input(shape=(1025, 11, 3 ) )
x = ( Flatten())(input_img)

for i in range(0,4):
    x = ( Dense(1024*3))(x)
    x = ( BatchNormalization() )(x)
    x = ( LeakyReLU())(x)
o0 = ( Dense(1025, activation='sigmoid'))(x)
o1 = ( Dense(1025, activation='sigmoid'))(x)
o2 = ( Dense(1025, activation='sigmoid'))(x)

模型预测：

output = model.predict(X_in, batch_size = batch_size, verbose=1)

Answer 1

期望在多输出模型中，predict返回一个numpy数组列表，每个元素都是对应的输出。请记住，损失是在每个输出和基本事实之间分别计算的，因此，此格式已经是实现此目的的想法。

Keras-model.predict（）返回列表而不是numpy数组

1 个答案: