入力fnを使用してTensorflowエスティメータで予測

Question

https://github.com/tensorflow/tensorflow/blob/r1.3/tensorflow/examples/learn/wide_n_deep_tutorial.pyのチュートリアルコードを使用していますが、コードを評価する代わりに予測を行うまでは問題ありません。

def input_fn_predict(data_file, num_epochs, shuffle): 
    """Input builder function.""" 
    df_data = pd.read_csv(
     tf.gfile.Open(data_file), 
     names=CSV_COLUMNS, 
     skipinitialspace=True, 
     engine="python", 
     skiprows=1) 
    # remove NaN elements 
    df_data = df_data.dropna(how="any", axis=0) 
    labels = df_data["income_bracket"].apply(lambda x: ">50K" in x).astype(int) 
    return tf.estimator.inputs.pandas_input_fn(#removed paramter y 
     x=df_data, 
     batch_size=100, 
     num_epochs=num_epochs, 
     shuffle=shuffle, 
     num_threads=5) 

そして、このようにそれを呼び出すために：私は（ちょうどパラメータyを削除することで）このようになり予測のための別の関数を作ってみました

predictions = m.predict(
     input_fn=input_fn_predict(test_file_name, num_epochs=1, shuffle=True) 
) 
    for i, p in enumerate(predictions): 
     print(i, p) 

• 私は右のそれをやっていますか？
• 16282（テストファイルの行数）の代わりに81404という予測が得られるのはなぜですか？
• 各行は、このような何か含ま：

{ '確率'：配列（[0.78595656、0.21404342]、DTYPE =のfloat32）、 'logits'：配列（[ - 1.3007226]、DTYPEを=配列（[0]）、配列（[ 0.21404341]、dtype = float32）}

どうすれば読むことができますか？

Answer 1

新しいラベルを予測するために、shuffle=Falseを設定する必要があるため、データの順序を維持する必要があります。

以下は予測を実行するためのコードです（テストしました）。入力ファイルはテストデータ（csv）と似ていますが、ラベル列はありません。

    predict_file_name = 'tutorials/data/adult.predict' 
    results = m.predict(
     input_fn=predict_input_fn(predict_file_name) 
    ) 
    for result in results: 
     print 'result: {}'.format(result) 

つのサンプルの予測結果は以下の通りです：

    { 
     'probabilities': array([0.78595656, 0.21404342], dtype = float32), 
     'logits': array([-1.3007226], dtype = float32), 
     'classes': array(['0'], dtype = object), 
     'class_ids': array([0]), 
     'logistic': array([0.21404341], dtype = float32) 
    } 

各フィールドの手段が

• '確率' は、どのような：それを呼び出すために

  
  
      def predict_input_fn(data_file): 
      global CSV_COLUMNS 
      CSV_COLUMNS = CSV_COLUMNS[:-1] 
      df_data = pd.read_csv(
       tf.gfile.Open(data_file), 
       names=CSV_COLUMNS, 
       skipinitialspace=True, 
       engine='python', 
       skiprows=1 
      ) 
  
      # remove NaN elements 
      df_data = df_data.dropna(how='any', axis=0) 
  
      return tf.estimator.inputs.pandas_input_fn(
       x=df_data, 
       num_epochs=1, 
       shuffle=False 
      ) 
  
  

  アレイ（[0.78595656,0.21404342]、d type = float32）。 - 式中のZの
  値アレイ（[1.3007226]、DTYPE =のfloat32）：
  それは予測出力ラベルは、クラス0は0.78595656

• 'logits' 安心して（この場合< = 50Kで）であります1 /（1 + e ^（ - z））は-1.3である。
• 'クラス'：配列（[ '0']、DTYPE =オブジェクト）
  クラスラベルは0

あります