当目标是张量流中的输入之一时如何使用`model.predict`？

Question

我注意到 https://www.tensorflow.org/guide/keras/train_and_evaluate#automatically_setting_apart_a_validation_holdout_set 中的 LogisticEndpoint 层。该文档构建了一个这样的模型：

import numpy as np

inputs = keras.Input(shape=(3,), name="inputs")
targets = keras.Input(shape=(10,), name="targets")
logits = keras.layers.Dense(10)(inputs)
predictions = LogisticEndpoint(name="predictions")(logits, targets)

model = keras.Model(inputs=[inputs, targets], outputs=predictions)
model.compile(optimizer="adam")  # No loss argument!

data = {
    "inputs": np.random.random((3, 3)),
    "targets": np.random.random((3, 10)),
}
model.fit(data)

我的问题是在推理时如何使用这个模型，因为我们在使用时不知道目标model.predict

Answer 1

“LogisticEndpoint”实际上是一层。它以prediction和target作为输入，可以计算add_loss()跟踪的loss，计算[=11=跟踪的precision scalar =12=].

目标，如果我没记错的话，实际上是地面实况数据。当您进行推理时（测试阶段，既不是训练也不是验证），您不需要地面实况数据。只需将输入传递给模型，然后将输出作为预测。

进行多输入预测：

首先，将多输入转换为一个数组（可能是一个大数组）。

然后确保数组的形状（或准确地说，张量）与输入层的大小匹配。

TF2中有一部分代码是我用来做多输入的。

...
 for view_id in range(1,9):
   ...
                img = self.transform(img).float()
                pose_2d = self.transform(pose_2d).float()
                img_con.append(img)
                pose_2d_con.append(pose_2d)
# then make the img_con and pose_2d_con two tensor.

当目标是张量流中的输入之一时如何使用`model.predict`？

How to use `model.predict` when the target is one of inputs in tensorflow?

python

keras

tensorflow2.0