Keras AttributeError: 'Sequential' object 沒有屬性 'predict_classes'

Question

我試圖按照本指南https://machinelearningmastery.com/how-to-calculate-precision-recall-f1-and-more-for-deep-learning-models/查找 model 性能指標（F1 分數、准確度、召回率）

這個確切的代碼幾個月前還在工作，但現在返回各種錯誤，非常令人困惑，因為我沒有更改此代碼的一個字符。 也許 package 更新改變了一切？

我將順序 model 與 model.fit 擬合，然后使用 model.evaluate 來查找測試精度。 現在我正在嘗試使用 model.predict_classes 進行 class 預測（模型是多類分類器）。 代碼如下圖：

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)
 

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

這個確切的代碼不久前還在工作，所以有點掙扎，感謝您的幫助

Answer 1

此功能已在 TensorFlow 2.6 版中刪除。 根據rstudio參考中的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，您將收到以下警告：

tensorflow\python\keras\engine\sequential.py:455: UserWarning: model.predict_classes()已棄用，將在 2021-01-01 之后刪除。 請改用：* np.argmax(model.predict(x), axis=-1) ，如果您的模型進行多類分類（例如，如果它使用softmax最后一層激活）。* (model.predict(x) > 0.5).astype("int32") ，如果您的模型進行二進制分類（例如，如果它使用sigmoid最后一層激活）。

Answer 2

我遇到了同樣的錯誤，我使用下面的代碼，成功了

替換：

predictions = model.predict_classes(x_test)

有了這個：

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

python包類型：Tensorflow 2.6.0

Answer 3

我們可以用以下代碼替換有問題的代碼行：

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

Answer 4

我使用以下代碼進行預測

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

Answer 5

在 Tensorflow 2.7 中，可以使用以下代碼獲得預測類：

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

Answer 6

在最新版本的 Tensorflow 中， predict_classes函數已被棄用（在以前的版本中對此有警告）。 新語法如下：

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

Answer 7

使用它，因為最新版本的 tensorflow 刪除了 predict_classes

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

由於這是一個二元問題（0 或 1），因此輸出類別取決於概率是否大於 0.5。 因此上面的代碼

Answer 8

對於下面的整個數據集的代碼，

preds = model.predict_classes(test_sequences)

此代碼可用於新版本。

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

在此，“ test_sequence ”是您必須預測的數據框，軸是選擇列或行。

Answer 9

我對此有疑問，當我使用

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

替換以前的'predict_classes'，然后我使用'accuracy_score'來獲得准確度分數，分數很低。 但是當我使用

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

准確度得分正常且正確。 其他代碼相同。

Answer 10

如果您使用的是多類分類，則使用np.argmax(model.predict(x), axis=-1)

例如：

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

或者，如果您手頭有二進制分類問題，請使用(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 中預測是否患有癌症。 那么上述錯誤將如何解決。 BEACUSAE 我們應該將其分類為 1 或零。

代碼是：

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 行代碼中的錯誤 ID