tensorflow 坑点 Embedding+LSTM

最新推荐文章于 2024-07-25 22:28:53 发布

转载最新推荐文章于 2024-07-25 22:28:53 发布 · 504 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/u/2293326/blog/1799839

文章标签：

#人工智能 #python

本文介绍了深度学习中二分类和三分类任务的标签输入格式，以及如何使用Python的模型进行预测并解释了model.predict与model.predict_classes的区别。通过具体的预测结果示例，帮助读者理解分类任务中的输出。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2019独角兽企业重金招聘Python工程师标准>>>

1 label输入的时候，如果是二分类，一维就可以，如果是三分类，必须三维

必须为 [1,0,0]、[0,1,0]、[0,1,1]

2 对于预测结果

result_1= model.predict(x_test)
# 就是分类，输出哪个维度，本项目是三类，就输出0,1,2， 0代表 [1,0,0],1代表[0,1,0]，2代表[0,0,1]
result_2 = model.predict_classes(x_test)

注意，比如12条测试语句

result_1 结果

00 = {ndarray} [0.2377571 0.12362082 0.63862205]
01 = {ndarray} [0.3286156 0.01859419 0.6527902 ]
02 = {ndarray} [0.05248537 0.8776761 0.06983855]
03 = {ndarray} [0.45481557 0.06610067 0.4790837 ]
04 = {ndarray} [0.46586016 0.28993273 0.2442071 ]
05 = {ndarray} [0.09239112 0.44054875 0.46706006]
06 = {ndarray} [0.10662748 0.5958726 0.29749998]
07 = {ndarray} [0.19824359 0.01758298 0.7841734 ]
08 = {ndarray} [0.48175177 0.02743118 0.49081698]
09 = {ndarray} [0.22894093 0.02856255 0.7424965 ]
10 = {ndarray} [0.07185426 0.06959855 0.8585472 ]
11 = {ndarray} [0.02139795 0.89425915 0.08434288]

result_1 结果

<class 'list'>: [2, 2, 1, 2, 0, 2, 1, 2, 2, 2, 2, 1]

不难发现，model.predict_classes是分类结果，属于哪一维度，在result_1的基础上再算了一遍。

转载于:https://my.oschina.net/u/2293326/blog/1799839