Keras 케라스 batch predict 예제 및 메소드 사용

 

 

아래 코드를 사용하여 이미 학습된 모델에 대해 

예측값을 확인하고자 했었다. 

 

self.model.predict(inputs, batch_size = 64)

 

가장 아래의 참고 링크에서 몇 가지 메소드들을 발견하여 하나씩 테스트를 해봤지만 

잘 되지 않았다...

 

predict

predict(x, batch_size=None, verbose=0, steps=None, callbacks=None)

인풋 샘플에 대한 아웃풋 예측을 생성합니다.

계산은 배치 단위로 실행됩니다.

이수

• x: Numpy 배열 (혹은 모델이 다중 인풋을 갖는 경우 Numpy 배열의 리스트) 형태의 인풋 데이터.
• batch_size: 정수. 따로 정하지 않으면 디폴트 값인 32가 됩니다.
• verbose: 다변 모드, 0 혹은 1.
• steps: 예측이 한 회 완료되었음을 선언하기까지 단계(샘플 배치)의 총 개수. 디폴트 값인 None의 경우 고려되지 않습니다.
• callbacks: keras.callbacks.Callback 인스턴스의 리스트. 학습과 검증 과정에서 적용할 콜백의 리스트입니다. 콜백을 참조하십시오.

 

 

test_on_batch

test_on_batch(x, y, sample_weight=None)

하나의 샘플 배치에 대해서 모델을 테스트합니다.

인수

• x: 테스트 데이터의 Numpy 배열, 혹은 모델이 다중 인풋을 갖는 경우 Numpy 배열의 리스트. 모델의 모든 인풋에 이름이 명명된 경우 인풋 이름을 Numpy 배열에 매핑하는 딕셔너리를 전달할 수도 있습니다.
• y: 표적 데이터의 Numpy 배열, 혹은 모델이 다중 아웃풋을 갖는 경우 Numpy 배열의 리스트.. 모델의 모든 아웃풋에 이름이 명명된 경우 아웃풋 이름을 Numpy 배열에 매핑하는 딕셔너리를 전달할 수도 있습니다.
• sample_weight: x와 동일한 길의의 선택적 배열로, 각 샘플에 대한 모델의 손실에 적용할 가중치를 담습니다. 시간적 데이터의 경우, (samples, sequence_length)의 형태를 가진 2D 배열을 전달하여 모든 샘플의 모든 시간 단계에 대해 각기 다른 가중치를 적용할 수 있습니다. 이러한 경우 반드시 compile() 내에서 sample_weight_mode="temporal"를 특정해야 합니다.

반환값

(모델이 단일 아웃풋만 갖고 측정항목을 보유하지 않는 경우) 스칼라 테스트 손실, 혹은 (모델이 다중 아웃풋, 그리고/혹은 측정항목을 갖는 경우) 스칼라 리스트. model.metrics_names속성은 스칼라 아웃풋에 대한 디스플레이 라벨을 제공합니다.

---

predict_on_batch

predict_on_batch(x)

하나의 샘플 배치에 대한 예측 값을 반환합니다.

인수

• x: 인풋 샘플의 Numpy 배열.

반환값

예측 값의 Numpy 배열.

 

 

결과적으로 아래의 에러가 공통적으로 나타났다. ㅠ

ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 42), found shape=(64, 1, 42)

 

결국 이 문제는 

numpy squeeze 메소드로 해결할 수 있었다.

생각보다 단순한 문제였음

 

메소드의 기능으로는 

괄호가 추가된 shape에서 

빈 껍데기를 제거해준다고 생각하면 된다.

input_processed = np.squeeze(input)

 

[[1,2]]

[1,2] 

이런식으로 바뀌게 된다.

 

그럼 shape가 

[1, 1, 2]에서 [1, 2] 로 바뀐다.

 

 

https://stackoverflow.com/questions/65792909/valueerror-input-0-of-layer-dense-is-incompatible-with-the-layer-expected-axis

ValueError: Input 0 of layer dense is incompatible with the layer: expected axis -1 to have value 8 but received input with shap

 

 

 

 

https://keras.io/ko/models/sequential/

Sequential - Keras Documentation