Ich arbeite an einem Projekt in TensorFlow, das Operationen an bereits trainierten Maschinenlernmodellen durchführt. Nach dem Tutorial TFLearn Quickstart baute ich ein tiefes neuronales Netzwerk, das das Überleben von der Titanic Dataset vorhersagt. Ich würde das TFLearn-Modell genauso verwenden, wie ich ein TensorFlow-Modell verwenden würde.Wie ein TensorFlow-Tensor an ein TFLearn-Modell übergeben wird
Die TFLearn docs Homepage sagt
Full transparency over Tensorflow. All functions are built over tensors and can be used independently of TFLearn
Diese mich denken lässt, dass ich in der Lage wäre Tensoren als Eingänge, etc. an die das TFLearn Modell zu übergeben.
# Build neural network
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.regression(net)
# Define model
model = tflearn.DNN(net)
# Start training (apply gradient descent algorithm)
model.fit(data, labels, n_epoch = 10, batch_size = 16, show_metric = False)
test = preprocess([[3, 'Jack Dawson', 'male', 19, 0, 0, 'N/A', 5.0000]], to_ignore)
# Make into a tensor
testTF = [tf.constant(i) for i in test]
# Pass the tensor into the predictor
print(model.predict([testTF]))
Derzeit, wenn ich einen Tensor in das Modell übergeben I mit Valueerror begrüßt bin: ein Array-Element mit einer Sequenz Einstellung.
Wie können Sie Tensoren in ein TFLearn-Modell übertragen? Welche Grenzen gibt es im Allgemeinen bei der Verwendung von Tensoren in einem TFLearn-Modell?