如何使用Python和Estimator结合Tensorflow进行输出预测？

在以前未见过的数据上调用“predict”方法，并将预测值和实际值显示在控制台上。

更多Python相关文章，请阅读：Python 教程

我们将使用Keras Sequential API，该API可帮助您构建顺序模型，该模型用于处理纯层堆栈，每个层恰好有一个输入张量和一个输出张量。

至少包含一个层的神经网络称为卷积层。

TensorFlow Text包含一系列与文本相关的类和操作，可与TensorFlow 2.0一起使用。

我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory可以通过浏览器运行Python代码，并且不需要任何配置即可免费访问GPU（图形处理器）。Colaboratory是基于Jupyter笔记本构建的。

Estimator是TensorFlow完整模型的高级表示形式。它旨在轻松扩展和异步训练。

示例

for pred_dict, expec in zip(predictions, expected):
   class_id = pred_dict['class_ids'][0]
   probability = pred_dict['probabilities'][class_id]
   print('Prediction is "{}" ({:.1f}%), expected "{}"'.format(
      SPECIES[class_id], 100 * probability, expec)
   )

代码来源-https://www.tensorflow.org/tutorials/estimator/premade#first_things_first

输出

INFO: tensorflow: Calling model_fn.
INFO: tensorflow: Done calling model_fn.
INFO: tensorflow: Graph was finalized.
INFO: tensorflow: Restoring parameters from /tmp/tmpbhg2uvbr/model.ckpt-5000
INFO: tensorflow: Running local_init_op.
INFO: tensorflow: Done running local_init_op.
Prediction is "Setosa" (91.3%), expected "Setosa"
Prediction is "Versicolor" (52.0%), expected "Versicolor"
Prediction is "Virginica" (63.5%), expected "Virginica"

解释

• 一旦调用“predict”方法，即会进行预测。
• 这些值与它们的置信度水平一起显示在控制台上。