Raj*_*gah 5 deep-learning fast-ai
我将 databunch 定义为
data = (TabularList.from_df(train_df, path='./', cont_names=cont_names, procs=procs)
.split_by_idx(list(range(500,3000)))
.label_from_df(cols=dep_var)
.add_test(test, label=0)
.databunch())
Run Code Online (Sandbox Code Playgroud)
训练后我是
p = learn3.get_preds()
len(p[1])
Run Code Online (Sandbox Code Playgroud)
o/p 是 2500,正确的是
.split_by_idx(list(range(500,3000)))
Run Code Online (Sandbox Code Playgroud)
这是 2500 个号码
for index in range(len(test_df)):
predictions = learn3.predict(test_df.iloc[index])
predictions = predictions[1].tolist()
print(index)
Run Code Online (Sandbox Code Playgroud)
这将花费大量的时间。我想通过 test_df 并获得预测
p = learn3.get_preds()
Run Code Online (Sandbox Code Playgroud)
我怎样才能做到这一点 ?
.split_by_idx(list(range(500,3000)))
Run Code Online (Sandbox Code Playgroud)
我们有办法替换它并从其他文件传递数据吗?
您可以使用 fastai learner 的add_test()方法用您的数据替换 learner 的原始测试集。或者,您也可以使用learn.data.test_dl = new_df来实现相同的目的,然后使用get_preds()来获取预测