แนวคิด
ใช้ predict method ใน classifier ทำนายข้อมูลใหม่
ใช้ Keras Sequential API, CNN, TensorFlow Text, Google Colab, Estimator เหมือนเดิม
โมเดลเทรนด้วย Iris dataset มี 4 features 1 label: sepal length, sepal width, petal length, petal width
ตัวอย่างโค้ด
print("Generating predictions from model")
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
'SepalLength': [5.1, 5.9, 6.9],
'SepalWidth': [3.3, 3.0, 3.1],
'PetalLength': [1.7, 4.2, 5.4],
'PetalWidth': [0.5, 1.5, 2.1],
}
print("Defining input function for prediction")
print("It converts inputs to dataset without labels")
def input_fn(features, batch_size=256):
return tf.data.Dataset.from_tensor_slices(dict(features)).batch(batch_size)
predictions = classifier.predict(
input_fn=lambda: input_fn(predict_x))
Credit: TensorFlow Tutorials
ผลลัพธ์
Generating predictions from model Defining input function for prediction It converts inputs to dataset without labels
คำอธิบาย
- โมเดลที่เทรนแล้วให้ผลดี
- ใช้ทำนายสปีชีส์ดอกไม้ Iris จากขนาดที่ไม่มี label
- ทำนายได้ด้วยการเรียกฟังก์ชันเดียว
