如何解决Tensorflow v1:如何保存数据集预测并在以后访问?
我是硕士学位学生,而且是Tensorflow的新手。 对于我的论文项目,我需要在框架中更改并整合推荐系统算法。
原始代码的作用
原始代码是这样的:https://github.com/CRIPAC-DIG/A-PGNN与Tensorflow v1.15 代码以这种方式工作:
我要做的集成将这些代码封装到一个框架中。该框架需要两个方法:fit和predict_next。为了配合,我做了原始代码在record.py和火车中的工作。数据集由框架给出。我还创建了测试集的tfrecord。
我现在需要做的是方法predict_next。 我需要创建与原始代码相同的东西,但只需要少量的数据。
原始代码中的测试集流程是这样的:
writer = tf.python_io.TFRecordWriter(orgin_path + str(count)+'.tfrecord')
test_dataset = tf.data.TFRecordDataset(test_filenames)
test_dataset = test_dataset.map(parse_function_(opt.max_session))
test_batch_padding_dataset = test_dataset.padded_batch(opt.batchSize,padded_shapes=padded_shape,drop_remainder=True)
test_iterator = test_batch_padding_dataset.make_initializable_iterator()
test_data = test_iterator.get_next()
- 创建(我认为)张量模型(train_last.py:127)
with tf.variable_scope('model',reuse=True):
test_loss,test_index = model.forward(test_data['A_in'],test_data['A_out'],test_data['all_node'],test_data['seq_alias'],test_data['seq_mask'],test_data['session_alias'],test_data['session_len'],test_data['session_mask'],test_data['tar'],test_data['user'],train=False)
- 训练后,用 进行评估(train_last.py:163,model_last.py:415)
index,test_loss_,tar,seq_length,sess_length = session.run([test_index,test_loss,test_data['session_len']])
我做了什么和我需要什么:
- 综合培训 我需要:
- 进行预测,例如,如果我有10个用户,每个会话有5个项目,则我需要为每个用户预测所有下一个项目并存储在某个地方
- 创建一个方法predict_next,在这里我可以简单地返回上一点的预测。
问题:
非常感谢,如果有不清楚的地方,随时告诉我。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。