API Python CNTK: Как получить прогнозы от обученной модели?

Question

У меня есть обученная модель, которую я загружаю, используя CNTK.load_model() функция. Я смотрел на Учебное пособие MNIST по git-репозиторию CNTK в качестве справочного материала для кода оценки модели. Я создал считыватель данных (который является MinibatchSource объект) и пытается запустить model.eval(mb) где mb = minibatch_source.next_minibatch(...) (Похоже на этот ответ)

Но я получаю следующее сообщение об ошибке

Traceback (most recent call last):
    File "LID_test.py", line 162, in <module>
        test_and_evaluate()
    File "LID_test.py", line 159, in test_and_evaluate
        predictions = model.eval(mb)
    File "/home/t-asbahe/anaconda3/envs/cntk-py35/lib/python3.5/site-packages/cntk/ops/functions.py", line 228, in eval
        _, output_map = self.forward(arguments, self.outputs, device=device, as_numpy=as_numpy)
    File "/home/t-asbahe/anaconda3/envs/cntk-py35/lib/python3.5/site-packages/cntk/utils/swig_helper.py", line 62, in wrapper
        result = f(*args, **kwds)
    File "/home/t-asbahe/anaconda3/envs/cntk-py35/lib/python3.5/site-packages/cntk/ops/functions.py", line 354, in forward
        None, device)
    File "/home/t-asbahe/anaconda3/envs/cntk-py35/lib/python3.5/site-packages/cntk/utils/__init__.py", line 393, in sanitize_var_map
        if len(arguments) < len(op_arguments):
TypeError: object of type 'Variable' has no len()

У меня нет input_variable названный 'Variable' в моей модели, и я не вижу причин, чтобы получить эту ошибку.

PS: мои входы - разреженные входы (однокоренные)

Answer 1

У вас есть несколько вариантов:

• Передайте набор данных в виде массива numpy (экземпляр в учебнике CNTK 202), в который одноразовые данные передаются в виде массива numpy.

  pred = model.eval ({model.arguments [0]: [onehot]})

• Прочитайте данные мини-пакета и передайте их в функцию eval

  eval_input_map = {input: reader_eval.streams.features}
  eval_data = reader_eval.next_minibatch (eval_minibatch_size, input_map = eval_input_map) mydata = eval_data [input].value предсказанный = model.eval(mydata)