我用Keras训练了一个模型,保存了它,当我试图将它应用于新数据时,我遇到了一个错误:
ValueError: Error when checking : expected dense_1_input to have shape (None, 5) but got array with shape (200, 1)
下面是训练和保存经过训练的模型的代码:
# Import necessary modules
import numpy as np # numpy is just used for reading the data
import keras
from keras.layers i
我已经训练了一个快速的文本监督模型。我确实使用了pyfasttext python库来预测模型。例如:我有这样的数据。
text - label
The meeting is planned - event
The work should be finished - task
在这里,模型正确地预测了标签。当计划或工作词出现在句子中时。但我列出了与训练数据无关的句子。例如:狗是一种动物。
res = model.predict_proba_single('the dog is an animal\n')
输出:
[(u'event', 0.4999999990
我试图让我的GAE (python)应用程序与预测API对话,但我一直得到HttpError: <HttpError 401 when requesting ... returned "Invalid Credentials">
我的GAE代码是:
from handler_request import Request_Handler # My extended Request Handler
from apiclient.discovery import build
from oauth2client.appengine import AppAssertionCr
我正在使用Python中的状态模型MixedLM包来估计混合线性模型。在对模型进行拟合之后,我现在想做预测,但我很难理解“预测”方法。
状态模型文档( statsmodels,)建议,预测方法采用一个数组,其中包含已估计的模型的参数。如何检索这个数组?
y = raw_data['dependent_var']
X = raw_data[['var1', 'var2', 'var3']]
groups = raw_data['person_id']
model = sm.MixedLM(endog=y, exog
我是CNN和机器学习的新手,我一直在努力学习TensorFlow的图像分类教程。
现在,Google可以找到了。我一直在跟踪 of TensorFlow。我稍微修改了一下,所以它将模型保存为h5格式而不是tf格式,这样我就可以使用Keras‘model.predict_classes了。
现在,我已经训练了模型,模型从保存的模型重新加载,好的。但是,每当我试图预测图像时,我就反复得到list index out of range错误,我就是这样做的:
def predict():
image = tf.io.read_file('target.jpeg')
image
我有以下代码与FastApi和Uvicorn的ASGI服务器实现。它应该通过post请求获取上传的图像,并在返回响应之前使用模型对其进行分类。这个错误似乎与Uvicorn有关,但我不知所措。任何帮助都将不胜感激。以前有没有人见过这样的错误?代码如下: import uvicorn
from fastapi import FastAPI, File, UploadFile
import sys
from PIL import Image
from io import BytesIO
import numpy as np
import tensorflow as tf
from tensor
我正在使用jupyter笔记本编写一个python代码,它训练和测试数据集,以返回正确的情感。
当我试图预测这个短语的情绪时,系统崩溃并显示以下错误的问题:
ValueError:无法将字符串转换为浮点:“这本书太有趣了,让我很不高兴。”
注意:我有一个不平衡的数据集,所以我使用SMOTE来over_sampling数据集。
代码:
import pandas as pd
import numpy as np
from imblearn.over_sampling import SMOTE# for inbalance dataset
from sklearn.linear_model i
我看到错误说预测函数出了问题,我试着读了关于这些错误的文章,我不明白它们的意思。
我有一个一维数组(向量),我试图用它来预测一个文件是否是病毒。
这是我现在改进的代码(谢谢)
import tkinter as Tk
from tkinter import filedialog
from tensorflow import keras
import vector_build
model = keras.models.load_model("anti_virus_model.h5")
def predict_file(fname):
print(fname) #
/usr/local/lib/python3.7/dist-packages/statsmodels/tsa/base/tsa_model.py:393: ValueWarning: No supported index is available. Prediction results will be given with an integer index beginning at `start`.
ValueWarning)
# Forecast
fc, se, conf = fitted.forecast(519, alpha=0.05)
---------------------
使用sklearn SVC(),我将得到以下错误
import sklearn
from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target
from sklearn.svm import SVC
# create the model
mySVC = SVC()
# fit the model to data
mySVC.fit(X,y)
# test the model on (new) data
result = mySVC.predict([3, 5, 4, 2
我使用的是运行在CPU上的Tensorflow DNNClassifier。我已经完成了训练,现在我反复打电话给estimator.predict,在打了几千次电话之后,我得到了以下信息。我很困惑,因为我认为做预测本身不会增加内存(我看到其他一些人提出了类似的错误,但他们在使用GPU并在培训期间看到了错误)。
....
File "C:\Users\Zvi\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\framework\ops.py", line 1654, in __in
我尝试用交叉验证方法和SVM分类器进行分类。在我的数据文件中,最后一列包含我的类(它们是0、1、2、3、4、5),其余的(第一列除外)是我想用来预测这些类的数值数据。
from sklearn import svm
from sklearn import metrics
import numpy as np
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
filename = "Features.csv"
datas