Keras model.predict錯誤的分類標簽

Question

我試圖查看預測結果並使用model.predict函數打印它們，但出現錯誤：

ValueError: Error when checking model : the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead got the following list of 1 arrays: [array([[array([   0,....

我有多個輸入，都是嵌入式的。 當我將一個輸入嵌入時，此代碼以前有效。

for i in range(100):
    prediction_result = model.predict(np.array([test_text[i], test_posts[i]]))
    predicted_label = labels_name[np.argmax(prediction_result)]
    print(text_data.iloc[i][:100], "")
    print('Actual label:' + tags_test.iloc[i])
    print("Predicted label: " + predicted_label + "\n")

test_text和test_posts是pad_sequences的結果。 它們在數組中，test_text的形狀為100，test_posts的形狀為1。labels_name是標簽的名稱。 我在第二行中有錯誤；

prediction_result = model.predict(np.array([test_text[i], test_posts[i]]))

錯誤：

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in predict(self, x, batch_size, verbose, steps)
   1815         x = _standardize_input_data(x, self._feed_input_names,
   1816                                     self._feed_input_shapes,
-> 1817                                     check_batch_axis=False)
   1818         if self.stateful:
   1819             if x[0].shape[0] > batch_size and x[0].shape[0] % batch_size != 0:

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in _standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
     84                 'Expected to see ' + str(len(names)) + ' array(s), '
     85                 'but instead got the following list of ' +
---> 86                 str(len(data)) + ' arrays: ' + str(data)[:200] + '...')
     87         elif len(names) > 1:
     88             raise ValueError(

ValueError: Error when checking model : the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead got the following list of 1 arrays: [array([[array([   0,    0,  ...

它看起來像一個簡單的解決方案，但我找不到。 謝謝您的幫助。

Answer 1

該模型需要兩個數組，並且您要傳遞一個單獨的numpy數組。

 prediction_result = model.predict([test_text.values[i].reshape(-1,100), test_posts.values[i].reshape(-1,1)])

刪除調用numpy.array方法，您錯誤就會消失。

更新：
無需使用for loop 。

prediction_result = model.predict([test_text.values.reshape(-1,100), test_posts.values.reshape(-1,1)])

這可以做您想要的。 現在的(number rows in test_text,number of outputs)形狀為(number rows in test_text,number of outputs)