У меня проблемы с пониманием построения модели тензорного потока и предварительной обработки pandas Dataframe.
Я следил за этой документацией: https://www.tensorflow.org/tutorials/load_data/pandas_dataframe
Первый вопрос:
dataset = tf.data.Dataset.from_tensor_slices((df.values, target.values))
train_dataset = dataset.shuffle(len(df)).batch(1)
def get_compiled_model():
model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation='relu'),
tf.keras.layers.Dense(10, activation='relu'),
tf.keras.layers.Dense(1)
])
Поскольку фреймворк данных о сердечных заболеваниях имеет 13 функций, почему документация инициирует только первый плотный слой с 10 единицами? Почему это не выглядело примерно так?
def get_compiled_model():
model = tf.keras.Sequential([
tf.keras.layers.InputLayer(input_shape=(13,),
tf.keras.layers.Dense(10, activation='relu'),
tf.keras.layers.Dense(10, activation='relu'),
tf.keras.layers.Dense(1)
])
В документации это начинается с плотного слоя из 10 единиц, но есть 13 функций, я не понимаю, как это работает.
Последний вопрос:
После того, как Айв обучил модель
model = get_compiled_model()
model.fit(train_dataset, epochs=15)
Как мне делать прогнозы с одним или несколькими экземплярами / экземплярами обучающих данных с помощью model.predict ()?
Нужно ли мне сначала преобразовать экземпляр в тензор, прежде чем передавать его в метод model.predict? ie
model.predict (tensor(instance)
)
Спасибо!