Как передать тензор TensorFlow в модель TFLearn

Question

Я работаю над проектом в TensorFlow, который выполняет операции на уже обученных моделях машинного обучения. После урока TFLearn Quickstart я построил глубокую нейронную сеть, которая предсказывает выживание на основе Титанического набора данных. Я хотел бы использовать модель TFLearn так же, как и модель TensorFlow.

На домашней странице TFLearn docs написано

Полная прозрачность над Tensorflow. Все функции построены на тензорах и могут использоваться независимо от TFLearn

Это заставляет меня думать, что я смогу передать тензоры в качестве входных данных и т. Д. В модель TFLearn.

# Build neural network
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.regression(net)

# Define model
model = tflearn.DNN(net)
# Start training (apply gradient descent algorithm)
model.fit(data, labels, n_epoch = 10, batch_size = 16, show_metric = False)

test = preprocess([[3, 'Jack Dawson', 'male', 19, 0, 0, 'N/A', 5.0000]], to_ignore)
# Make into a tensor
testTF = [tf.constant(i) for i in test]
# Pass the tensor into the predictor
print(model.predict([testTF]))

В настоящее время, когда я передаю тензор в модель, меня приветствует ValueError: установка элемента массива с последовательностью.

В частности, как вы можете передать тензоры в модель TFLearn? Вообще, какие ограничения накладываются на то, как я могу использовать тензоры в модели TFLearn?

Answer 1

Я не знаю, ищите ли вы ответ на свою проблему, но я думаю, что проблема в вашей последней строке:

print(model.predict([testTF]))

Попробуйте это вместо этого:

print(model.predict(testTF))

Я думаю, что вы вложили список в другой список. Это не проблема TFlearn как таковая. Надеюсь, это поможет.