【问题标题】：Cannot get predictions of tensorflow DNNClassifier无法获得 tensorflow DNNClassifier 的预测
【发布时间】：2017-04-03 23:52:09
【问题描述】：

我正在使用 MNIST 教程中的代码：

feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=2,
                                            model_dir="/tmp/iris_model")

classifier.fit(x=np.array(train, dtype = 'float32'),
               y=np.array(y_tr, dtype = 'int64'),
               steps=2000)

accuracy_score = classifier.evaluate(x=np.array(test, dtype = 'float32'),
                                     y=y_test)["auc"]
print('AUC: {0:f}'.format(accuracy_score))

from tensorflow.contrib.learn import SKCompat
ds_test_ar = np.array(ds_test, dtype = 'float32')

ds_predict_tf = classifier.predict(input_fn = _my_predict_data)
print('Predictions: {}'.format(str(ds_predict_tf)))

但最后我得到了以下结果而不是预测：

Predictions: <generator object DNNClassifier.predict.<locals>.<genexpr> at 0x000002CE41101CA8>

我做错了什么？

【问题讨论】：

标签： python tensorflow

【解决方案1】：

您收到并保存到ds_predict_tf 的是一个生成器表达式。要打印它，你可以这样做：

for i in ds_predict_tf:
    print i

或

print(list(ds_predict_tf))

您可以阅读有关genexpr here的更多信息。

【讨论】：

谢谢！奇怪直到现在才得到你的回复，发现自己，很抱歉这么简单的问题！

【解决方案2】：

DNNClassifier 预测函数默认具有 as_iterable=True。因此，它返回一个生成器。要获取预测值而不是生成器，请在 classifier.predict 方法中传递 as_iterable=False。

例如，

classifier.predict(input_fn = _my_predict_data,as_iterable=False)

用于了解有关分类器方法和参数的更多信息。这是 predict 方法的部分文档。

来自DNNClassifier 文档：

预测

参数：

x：特征。
input_fn：输入函数。如果设置，x 必须为 None。
batch_size：覆盖默认批量大小。
输出：str 列表，要预测的输出名称。如果没有，则返回类。
as_iterable：如果为 True，则返回一个迭代器，该迭代器不断为每个示例产生预测，直到输入用尽。注意：如果您希望迭代终止，输入必须终止（例如，如果您使用类似 read_batch_features 的东西，请确保传递 num_epochs=1）。

返回：

形状为 [batch_size] 的预测类的 Numpy 数组（如果 as_iterable 为 True，则为预测类的迭代）。每个预测的类都由其类索引（即从 0 到 n_classes-1 的整数）表示。如果设置了输出，则返回一个预测字典。

【讨论】：

as_iterable 现已弃用。

【解决方案3】：

解决方案：-

pred = classifier.fit(x=training_set.data, y=training_set.target, steps=2000).predict(test_set.data)

print ("Predictions:")

print(list(pred))

就是这样……

【讨论】：

【解决方案4】：

为了尽可能接近教程使用：

print('Predictions: {}' .format(list(ds_predict_tf)))

【讨论】：

【解决方案5】：

对不起，答案很简单，你需要使用predictor作为generator对象：

g1 = ds_predict_tf

[g1.__next__() for i in range(100)]

【讨论】：

预测

as_iterable：如果为 True，则返回一个迭代器，该迭代器不断为每个示例产生预测，直到输入用尽。注意：如果您希望迭代终止，输入必须终止（例如，如果您使用类似 read_batch_features 的东西，请确保传递 num_epochs=1）。