tensorflow 坑点 Embedding+LSTM

原创
2018/04/23 16:56
阅读数 1.6K

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。

 

展开阅读全文
打赏
0
1 收藏
分享
加载中
更多评论
打赏
0 评论
1 收藏
0
分享
返回顶部
顶部