Keras AttributeError: 'Sequential' object 没有属性 'predict_classes'

Question

我试图按照本指南https://machinelearningmastery.com/how-to-calculate-precision-recall-f1-and-more-for-deep-learning-models/查找 model 性能指标（F1 分数、准确度、召回率）

这个确切的代码几个月前还在工作，但现在返回各种错误，非常令人困惑，因为我没有更改此代码的一个字符。 也许 package 更新改变了一切？

我将顺序 model 与 model.fit 拟合，然后使用 model.evaluate 来查找测试精度。 现在我正在尝试使用 model.predict_classes 进行 class 预测（模型是多类分类器）。 代码如下图：

model = Sequential()
model.add(Dense(24, input_dim=13, activation='relu'))
model.add(Dense(18, activation='relu'))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

-

history = model.fit(X_train, y_train, batch_size = 256, epochs = 10, verbose = 2, validation_split = 0.2)

-

score, acc = model.evaluate(X_test, y_test,verbose=2, batch_size= 256)
print('test accuracy:', acc)

-

yhat_classes = model.predict_classes(X_test)
 

最后一行返回错误“AttributeError: 'Sequential' object has no attribute 'predict_classes'”

这个确切的代码不久前还在工作，所以有点挣扎，感谢您的帮助

Answer 1

此功能已在 TensorFlow 2.6 版中删除。 根据rstudio参考中的keras

更新到

predict_x=model.predict(X_test) 
classes_x=np.argmax(predict_x,axis=1)

或者使用 TensorFlow 2.5 或更高版本。

如果您使用的是 TensorFlow 2.5 版，您将收到以下警告：

tensorflow\python\keras\engine\sequential.py:455: UserWarning: model.predict_classes()已弃用，将在 2021-01-01 之后删除。 请改用：* np.argmax(model.predict(x), axis=-1) ，如果您的模型进行多类分类（例如，如果它使用softmax最后一层激活）。* (model.predict(x) > 0.5).astype("int32") ，如果您的模型进行二进制分类（例如，如果它使用sigmoid最后一层激活）。

Answer 2

我遇到了同样的错误，我使用下面的代码，成功了

替换：

predictions = model.predict_classes(x_test)

有了这个：

predictions = (model.predict(x_test) > 0.5).astype("int32")

python包类型：Tensorflow 2.6.0

Answer 3

我们可以用以下代码替换有问题的代码行：

y_predict = np.argmax(model.predict(x_test), axis=-1)

Answer 4

我使用以下代码进行预测

y_pred = model.predict(X_test)
y_pred = np.round(y_pred).astype(int)

Answer 5

在 Tensorflow 2.7 中，可以使用以下代码获得预测类：

    predicted = np.argmax(model.predict(token_list),axis=1)

Answer 6

在最新版本的 Tensorflow 中， predict_classes函数已被弃用（在以前的版本中对此有警告）。 新语法如下：

predictions = np.argmax(model.predict(x_test),axis=1)

Answer 7

使用它，因为最新版本的 tensorflow 删除了 predict_classes

predictions = (model.predict(X_test) > 0.5)*1 

由于这是一个二元问题（0 或 1），因此输出类别取决于概率是否大于 0.5。 因此上面的代码

Answer 8

对于下面的整个数据集的代码，

preds = model.predict_classes(test_sequences)

此代码可用于新版本。

y_predict = np.argmax(model.predict(test_sequences), axis=1)

在此，“ test_sequence ”是您必须预测的数据框，轴是选择列或行。

Answer 9

我对此有疑问，当我使用

np.argmax(model.predict(x_test), axis=-1)

替换以前的'predict_classes'，然后我使用'accuracy_score'来获得准确度分数，分数很低。 但是当我使用

predictions = (model.predict(x_test) > 0.5).astype("int32")

准确度得分正常且正确。 其他代码相同。

Answer 10

如果您使用的是多类分类，则使用np.argmax(model.predict(x), axis=-1)

例如：

predictions = np.argmax(model.predict(x_test),axis=1)

或者，如果您手头有二进制分类问题，请使用(model.predict(x) > 0.5).astype("int32")

例如：

predictions=(model.predict(X_test) > 0.5).astype("int32")

Answer 11

如果我想在 CNN 中预测是否患有癌症。 那么上述错误将如何解决。 BEACUSAE 我们应该将其分类为 1 或零。

代码是：

input_arr = img_to_array(img)/255
plt.imshow(input_arr)
plt.sh`enter code here`ow
input_array = np.expand_dim(input_arr,axis=0)
pred = model.predict(input_arr)[0],[0]
pred

第 5 行代码中的错误 ID