TensorFlow 更好的模型加载

Posted 2023-03-12

【中文标题】TensorFlow 更好的模型加载

【英文标题】：Tensorflow better model loading

【发布时间】：2022-01-21 10:02:40

【问题描述】：

我正在训练在没有数据库的情况下加载我的模型，但我必须使用标准比例拆分。这是我的代码：

import tensorflow as tf
import pandas as pd
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import Dense
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
dataset = pd.read_csv('database.csv') #reading database
x = dataset.drop(columns=['good/bad']).values
y = dataset['good/bad'].values
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)
scaler = StandardScaler().fit(x_train)
x_train = scaler.transform(x_train)

model = load_model("model.h5")

#Now I want to predict my data
out = scaler.transform([my_data])
prediction = model.predict(out)
pred = prediction[0][0]

我可以在不加载数据集的情况下预测我的数据吗？

【问题讨论】：

你想用什么来预测？

【参考方案1】：

在您的代码中，首先您需要创建一个模型。对于研究模型和技术，大多数机器学习或深度学习从业者使用以下步骤：

数据预处理 创建模型 保存模型 加载模型 做出预测

更多详情已经在Tensorflow official Documentation清除