训练好的模型，预测全新的（不带标签）的数据。
收藏
比如，我将训练好的模型参数保存pointnet.pdparams。
预测不带标签的全新数据，因为我自己也不知道它的标签是什么。
模型组网时考虑到cross_entropy与softmax冲突，输出结果如下
Tensor(shape=[1, 1024, 5], dtype=float32, place=CUDAPlace(0), stop_gradient=False,
[[[ 4.52816868, -2.69122076, -2.29685616, -0.22639114, -1.21324897],
...,
[ 3.33250046, -1.75688577, -3.61714625, -0.07966632, -0.37351480]]])
如何将结果转化为模型训练时的五类标签[0, 1, 2, 3, 4]，感觉缺少一个softmax分类层。
应该调用哪个函数呢?
0
收藏
请登录后评论
用numpy的np.argmax(xxxxx.numpy())
问题已解决