时间戳

首页 > 解决方案 > TensorFlow Keras 在期望一个的同时返回多个预测

python - TensorFlow Keras 在期望一个的同时返回多个预测

问题描述

我正在学习 TensorFlow 和 LSTM，我想知道为什么我的预测输出在训练它以返回一个值时有多个值。我的目标是在使用数组进行情绪分析训练后得到一个介于 0 和 1 之间的值。

训练输入数据如下所示：

[[59, 21, ... 118, 194], ... [12, 110, ... 231, 127]]

所有输入数组的长度相同，用 0 填充。训练目标数据如下所示：

[1.0, 0.5, 0.0, 1.0, 0.0 ...]

模型：

model = Sequential()
model.add(Embedding(input_length, 64, mask_zero=True))
model.add(LSTM(100))
model.add(Dense(1, activation=tf.nn.sigmoid))

为什么预测似乎一次评估每个单独的值而不是整个数组？

model.predict([192])
# Returns [[0.5491102]]
model.predict([192, 25])
# Returns [[0.5491102, 0.4923803]]
model.predict([192, 25, 651])
# Returns [[0.5491102, 0.4923803, 0.53853387]]

我不想取输出的平均值，因为输入数组中的值之间的关系对于情绪分析很重要。如果我正在训练预测单个值，我不明白为什么不输出单个值。我是 TensorFlow、Keras 和分层神经网络的新手，所以我确信我遗漏了一些明显的东西。

标签： pythontensorflowmachine-learningkeraslstm

解决方案

当你写：

model.predict([192, 25, 651])

如果你给模型三个输入样本，因此作为回报你会得到三个输出，每个输入样本一个。相反，如果[192, 25, 651]您真的是指一个输入样本，那么您将其包装在两个列表中：

model.predict([[[192, 25, 651]]])

原因：最外层的列表对应于模型所有输入层的所有输入数据的列表，这里是一个。第二个列表对应于第一个（也是唯一的）输入层的数据，第三个列表对应于一个输入样本。列表输入就是这种情况，因为多输入（和多输出）Keras 模型应该将输入数组列表作为输入。一种更好的方法是改用 numpy 数组：

model.predict(np.array([[192, 25, 651]]))

np.array([[192, 25, 651]])的形状(1,3)表示一个长度为 3 的样本。

推荐阅读