如何将形状(行，y, z)的数组从mnist转换为pandas数据框架用于tensorflow模型预测?

Question

我试图通过mlflow预测为mnist训练的模型

loaded_model = mlflow.pyfunc.load_model(logged_model)
(x_train, y_train), (x_test, y_test) = mnist.load_data()

我试图通过

创建数据框架

x = pd.DataFrame(x_test)

但是我得到了

ValueError: Must pass 2-d input. shape=(10000, 28, 28)

但是如果我重塑

xtest2 = x_test.reshape(10000, 784)
x = pd.DataFrame(xtest2)
loaded_model.predict(x)

输入没有对齐

ValueError: Input 0 of layer "sequential_2" is incompatible with the layer: expected shape=(None, 28, 28), found shape=(None, 784)

这是有意义的，因为图层设置为

model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, 3, activation='relu', input_shape=(28, 28, 1)),

但是我如何同时满足pandas要求和tensorflow要求?

Answer 1

您可以在调用model.predict:

之前尝试重塑

x = pd.DataFrame(xtest2)
model.predict(tf.keras.layers.Reshape((28, 28, 1))(x))