Python mxnet.module.BaseModule.predict用法及代碼示例

用法: predict(eval_data, num_batch=None, merge_batches=True, reset=True, always_output_list=False, sparse_row_id_fn=None)

參數：

eval_data：(DataIter or NDArray or numpy array) - 用於運行預測的評估數據。
num_batch：(int) - 默認為None, 表示運行數據迭代器中的所有批次。
merge_batches：(bool) - 默認為True，請參見上麵的返回值。
reset：(bool) - 默認為True, 表示我們是否應該在進行預測之前重置數據迭代器。
always_output_list：(bool) - 默認為False，請參見上麵的返回值。
sparse_row_id_fn：(A callback function) - 函數需要data_batch作為輸入並返回 str -> NDArray 的字典。生成的 dict 用於從 kvstore 中提取 row_sparse 參數，其中 str 鍵是參數的名稱，值是要提取的參數的行 ID。

預測結果。

返回類型：

NDArray 列表或 NDArray 列表

運行預測並收集輸出。

當 merge_batches 為 True(默認情況下)時，返回值將是一個列表 [out1, out2, out3] ，其中每個元素都是通過連接所有小批量的輸出而形成的。當 always_output_list 為 False (默認情況下)時，如果是單個輸出，則返回 out1 而不是 [out1] 。

當 merge_batches 為 False 時，返回值將是一個嵌套列表，如 [[out1_batch1, out2_batch1], [out1_batch2], ...] 。這種模式很有用，因為在某些情況下(例如分桶)，模塊不一定會產生相同數量的輸出。

結果中的對象具有類型 NDArray 。如果您需要使用 numpy 數組，隻需在每個 NDArray 上調用 .asnumpy() 即可。

例子：

>>> # An example of using `predict` for prediction.
>>> # Predict on the first 10 batches of val_dataiter
>>> mod.predict(eval_data=val_dataiter, num_batch=10)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.module.BaseModule.predict。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

返回類型：

例子：