predict_classes()在R中被弃用，用什么代替？

Question

我在RStudio中创建了一个CNN，使用keras来预测MNIST的数字。我现在正尝试使用下面的代码使用这个模型进行预测

cnn_pred <- cnn_model %>%
    predict_classes(x_test)

但是predict_classes()已经被否决了，我需要一些东西来替换它。我尝试过使用tried ()，但是当我需要它来预测数字是(0，1，2，3，4，5，6，7，8或9)时，它会产生连续的预测。

CNN模型有什么功能可以给出一个明确的预测？

Answer 1

这是一个复杂的方法，但我设法让它开始工作。我首先必须从tf对象中获取数组，这个数组原来是python数组，所以必须将其转换为R对象。然后我可以与另一个r对象进行比较/计算。

这是对测试数据的预测，输出(prednn.tf)是一个张量：

prednn.tf <- modelnn %>% predict(x_test) %>% k_argmax() 

现在使用np_array将张量转换为数组：

prednn.array <- np_array(prednn.tf)

现在转到r对象：

prednn.array <- reticulate::py_to_r(prednn.array) 

现在，将预测结果与实际情况进行比较，并计算其准确性：

accuracy(prednn.array, g_test) 

Note -以下是精度函数：

accuracy <- function(pred, truth)
  mean(drop(pred) == drop(truth))

所有这些都是因为不推荐predict_classes()。也许有更简单的方法，但这对我有用。

Answer 2

您可以使用

cnn_pred <- cnn_model %>%
    predict(x_test) %>% k_argmax()

Answer 3

在我的例子中，似乎更容易的方法是这样做：

更改精度函数，从：

accuracy <- function(pred, truth)
  mean(drop(pred) == drop(truth))

至：

accuracy <- function(pred, truth)
  mean(drop(as.numeric(pred)) == drop(truth))

然后进行了以下工作：

modelnn %>% predict(x_test) %>% k_argmax() %>% accuracy(g_test)

看来，as.numeric()会取张量并提取值。希望这能有所帮助！