[英]Feature are incompatible with given information in evaluate() using tf.contrib.learn.SVM
[英]How tensorflow tf.contrib.learn.SVM reload trained model and use predict to classify new data
使用tensorflow tf.contrib.learn.SVM訓練svm模型並保存模型; 密碼
feature_columns = [tf.contrib.layers.real_valued_column(feat) for feat in self.feature_columns]
model_dir = os.path.join(define.root, 'src', 'static_data', 'svm_model_dir')
model = svm.SVM(example_id_column='example_id',
feature_columns=feature_columns,
model_dir=model_dir,
config=tf.contrib.learn.RunConfig(save_checkpoints_secs=10))
model.fit(input_fn=lambda: self.input_fun(self.df_train), steps=10000)
results = model.evaluate(input_fn=lambda: self.input_fun(self.df_test), steps=5, metrics=validation_metrics)
for key in sorted(results):
print('% s: % s' % (key, results[key]))
如何重新加載經過訓練的模型並使用預測對新數據進行分類?
您調用svm.SVM(..., model_dir)
,然后調用fit()
和svm.SVM(..., model_dir)
evaluate()
方法。
您調用svm.SVM(..., model_dir)
,然后可以調用svm.SVM(..., model_dir)
predict()
方法。 您的模型將在model_dir
找到經過訓練的模型,並將加載經過訓練的模型參數。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.