我使用了高级的tf API，如tf.estimator，创建了一个网络。
训练和评估都能正常工作并产生输出。然而，在对新数据进行预测时，get_inputs()需要label_data和batch_size。
错误信息是：TypeError: get_inputs() missing 2 required positional arguments: 'label_data' and 'batch_size'
如何解决这个问题以便进行预测？
这是我的代码：
predictTest = [0.34, 0.65, 0.88]predictTest只是一个测试，不会是我真正的预测数据。
错误是在get_inputs()中抛出的。
def get_inputs(feature_data, label_data, batch_size, n_epochs=None, shuffle=True): dataset = tf.data.Dataset.from_tensor_slices( (feature_data, label_data)) dataset = dataset.repeat(n_epochs) if shuffle: dataset = dataset.shuffle(len(feature_data)) dataset = dataset.batch(batch_size) features, labels = dataset.make_one_shot_iterator().get_next() return features, labels预测输入：
def predict_input_fn(): return get_inputs( predictTest, n_epochs=1, shuffle=False )预测：
predict = estimator.predict(predict_input_fn)print("Prediction: {}".format(list(predict)))回答：
我发现必须为预测创建一个新的get_inputs()函数。
如果我使用训练和评估使用的get_inputs()，它会期待一些它不会得到的数据。
get_inputs：
def get_inputs(feature_data, label_data, batch_size, n_epochs=None, shuffle=True): dataset = tf.data.Dataset.from_tensor_slices( #from_tensor_slices (feature_data, label_data)) dataset = dataset.repeat(n_epochs) if shuffle: dataset = dataset.shuffle(len(feature_data)) dataset = dataset.batch(batch_size) features, labels = dataset.make_one_shot_iterator().get_next() return features, labels创建一个新的函数，名为pred_get_inputs，不需要label_data或batch_size：
def get_pred_inputs(feature_data,n_epochs=None, shuffle=False): dataset = tf.data.Dataset.from_tensor_slices( #from_tensor_slices (feature_data)) dataset = dataset.repeat(n_epochs) if shuffle: dataset = dataset.shuffle(len(feature_data)) dataset = dataset.batch(1) features = dataset return features