Python 如何使用tensorflow'；s ncf模型预测？

嗨，我是tensorflow和神经网络的新手。试图理解tensorflow官方回购模型中的风险

我的理解是，您构建了一个包含输入层和学习层的模型。然后创建批量数据来训练模型，然后使用测试数据来评估模型。这是在这种情况下完成的

但是，我很难理解输入层

它显示在代码中

user_input = tf.keras.layers.Input(
      shape=(1,), name=movielens.USER_COLUMN, dtype=tf.int32)

据我所知，您可以一次输入一个参数

但是，我只能使用以下虚拟数据来调用predict\u on\u batch

user_input = np.full(shape=(256,),fill_value=1, dtype=np.int32)
item_input = np.full(shape=(256,),fill_value=1, dtype=np.int32)
valid_pt_mask_input = np.full(shape=(256,),fill_value=True, dtype=np.bool)
dup_mask_input = np.full(shape=(256,),fill_value=1, dtype=np.int32)
label_input = np.full(shape=(256,),fill_value=True, dtype=np.bool)
test_input_list = [user_input,item_input,valid_pt_mask_input,dup_mask_input,label_input]

tf.print(keras_model.predict_on_batch(test_input_list))

当我运行以下代码时：

    user_input = np.full(shape=(1,),fill_value=1, dtype=np.int32)
    item_input = np.full(shape=(1,),fill_value=1, dtype=np.int32)
    valid_pt_mask_input = np.full(shape=(1,),fill_value=True, dtype=np.bool)
    dup_mask_input = np.full(shape=(1,),fill_value=1, dtype=np.int32)
    label_input = np.full(shape=(1,),fill_value=True, dtype=np.bool)
    test_input_list = [user_input,item_input,valid_pt_mask_input,dup_mask_input,label_input]

    classes = _model.predict(test_input_list)
    tf.print(classes)

我得到了这个错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError:  Input to reshape is a tensor with 1 values, but the requested shape requires a multiple of 256
     [[{{node model_1/metric_layer/StatefulPartitionedCall/StatefulPartitionedCall/Reshape_1}}]] [Op:__inference_predict_function_2828]

有人能帮我用这个模型预测单输入吗？

---

还有，为什么在进行预测时需要使用用户id的item_id？你不应该提供一个用户列表吗？模型返回一个项目列表

我以前没有使用过ncf模型，但看起来您输入的训练数据是一个样本，包含256个特征，而不是256个样本，每个样本包含一个特征。只需翻转numpy阵列，确保特征矩阵是二维的，并且特征的数量是第一个维度

user_input = np.full(shape=(1,256),fill_value=1, dtype=np.int32)

…等等。（好的，标签应该保持1D，因为你有它们）

同样，确保预测输入中的特征矩阵为2D：

user_input = np.full(shape=(1,1),fill_value=1, dtype=np.int32)

---

我以前没有使用过ncf模型，但看起来您输入的训练数据是一个样本，包含256个特征，而不是256个样本，每个样本包含一个特征。只需翻转numpy阵列，确保特征矩阵是二维的，并且特征的数量是第一个维度

user_input = np.full(shape=(1,256),fill_value=1, dtype=np.int32)

…等等。（好的，标签应该保持1D，因为你有它们）

同样，确保预测输入中的特征矩阵为2D：

user_input = np.full(shape=(1,1),fill_value=1, dtype=np.int32)

---

如果你是TensorFlow和深度学习的新手，这个推荐项目可能不是一个好的开始。代码没有文档化，架构可能会让人感到困惑

无论如何，为了回答您的问题，该模型不采用单一输入进行预测。查看代码，有5个输入（用户id、项目id、重复掩码、有效掩码、标签），但这实际上是为了培训。如果您只想进行预测，实际上只需要用户id和项目id。此模型基于用户id和项目id交互进行预测，这就是您需要两者的原因。但是，除非在进行预测时切掉模型中不必要的部分，否则不能直接这样做。下面是关于如何在名为

keras_model

的模型对象经过培训后执行此操作的代码（我使用了tf model官方版本2.5.0，它运行良好）：

因此，如果进行预测，则需要创建所有项目用户组合，然后按降序对预测进行排序，同时跟踪每个用户的索引。该用户的第一项是该用户最有可能与之交互的模型预测，第二项是第二个最有可能与之交互的模型预测，依此类推

在运行这个ncf_keras_main.py文件时，会创建一个名为“summaries”的文件夹。如果将tensorboard指向该文件夹，则可以在左上角的“图形”选项卡下浏览模型体系结构。这可能有助于更好地理解代码。要运行tensorboard，请打开一个终端并键入

tensorboard --logdir location_of_summaries_folder_here

---

如果您是TensorFlow和深度学习的新手，这个推荐项目可能不是一个好的起点。代码没有文档化，架构可能会让人感到困惑

无论如何，为了回答您的问题，该模型不采用单一输入进行预测。查看代码，有5个输入（用户id、项目id、重复掩码、有效掩码、标签），但这实际上是为了培训。如果您只想进行预测，实际上只需要用户id和项目id。此模型基于用户id和项目id交互进行预测，这就是您需要两者的原因。但是，除非在进行预测时切掉模型中不必要的部分，否则不能直接这样做。下面是关于如何在名为

keras_model

的模型对象经过培训后执行此操作的代码（我使用了tf model官方版本2.5.0，它运行良好）：

因此，如果进行预测，则需要创建所有项目用户组合，然后按降序对预测进行排序，同时跟踪每个用户的索引。该用户的第一项是该用户最有可能与之交互的模型预测，第二项是第二个最有可能与之交互的模型预测，依此类推

在运行这个ncf_keras_main.py文件时，会创建一个名为“summaries”的文件夹。如果将tensorboard指向该文件夹，则可以在左上角的“图形”选项卡下浏览模型体系结构。这可能有助于更好地理解代码。要运行tensorboard，请打开一个终端并键入

tensorboard --logdir location_of_summaries_folder_here

---

感谢您的快速回复。我尝试了你的两个建议，但仍然有错误，这一次对这两个都是。以上不是一个完整的解决方案，而是如何继续的建议。我希望您必须对几个输入矩阵进行修改。谢谢，我将继续尝试修改。谢谢您的快速响应。我尝试了你的两个建议，但仍然有错误，这一次对这两个都是。以上不是一个完整的解决方案，而是如何继续的建议。我希望您必须对几个输入矩阵进行修改。谢谢，我将继续尝试修改。我也很难理解如何对它们的模型进行预测。如果你有结论的话，我会对你的结论非常感兴趣。老实说，我认为代码实现得很差。我发现它毫无理由地令人费解。嗨@aaaahaaaa我