Python 利用张量流模型的预测

我使用以下代码创建了对新数据的预测：

def predict(dfeval, importedModel):
    colNames = dfeval.columns
    dtypes = dfeval.dtypes
    predictions = []
    for row in dfeval.iterrows():
        example = tf.train.Example()
        for i in range(len(colNames)):
            dtype = dtypes[i]
            colName = colNames[i]
            value = row[1][colName]
            if dtype == "object":
                value = bytes(value, "utf-8")
                example.features.feature[colName].bytes_list.value.extend(
                    [value])
            elif dtype == "float":
                example.features.feature[colName].float_list.value.extend(
                    [value])
            elif dtype == "int":
                example.features.feature[colName].int64_list.value.extend(
                    [value])
    predictions.append(
      importedModel.signatures["predict"](
        examples=tf.constant([example.SerializeToString()])))
    return predictions

val = predict(dfeval, imported)
val

其中规定：

[{'predictions'：}]

然后我可以通过以下方式打印值：

tf.print(val)

[{'predictions'：[[0.249046683]]}]

但我希望在未来的计算中使用该值，例如：

val + 300

我希望得到回报：

300.249046683

---

但到目前为止，我还没有找到提取和使用预测的方法。

你可以这样得到它：

---

val[0]['predictions'][0][0]

Val不仅仅是您要寻找的值，它是一个包含字典的列表，其中包含一个列表列表，列表列表中包含您的值，因此您只需从valYes中提取预测值，我明白了。我知道我不会做300+val，而是

actual\u val=从val中获取值所需的一切
300+actual\u val
。我的问题是，我需要做什么才能将
actual_val
作为一个浮点，而不是一个张量。这允许我对张量值进行数学计算，但它仍然是一个张量，因此当我将值添加到数据集中时，单元格的内容显示为：
tf.tensor（300.24905，shape=（），dtype=float32）
您可以尝试使用eval函数从tensor中获取值。我对tensor flow不是很有经验，但是您是否尝试过
float（val[0]['predictions'][0][0]）
？或
.result（）
或
.numpy（）
？
val[0]['predictions']0][0]。numpy（）
。非常感谢。