我正在尝试使用带有新数据集API的估算器类生成NN的示例,以检查CPU和GPU之间的性能差异 . 为了获得可重现的结果并检查DataSet的不同配置,我试图生成一些numpy随机数组:
我试图使用DNNClassifier或DNNRegressor与行,列和隐藏层的不同组合...
features = np.random.rand(filas,columnas)
features = features.astype('float16')
target = np.random.randint(4, size=(filas, 1), dtype = 'int16')
dataset = np.c_[features, target]
我们的想法是使用tf.estimator.inputs.pandas / numpy,它们都适合任务 .
def get_input_fn(data_set, num_epochs=None, shuffle=True):
return tf.estimator.inputs.pandas_input_fn(
x=pd.DataFrame({k: data_set[k].values for k in FEATURES}),
y=pd.Series(data_set[LABEL].values),
num_epochs=num_epochs,
shuffle=shuffle)
还有tf.estimator.DNNClassifier的代码:
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
hidden_units = hidden_units,
n_classes= rango-1,
model_dir="/tmp/pruebas",
config=run_config)
所有这些代码都是根据波士顿的例子制作的:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/input_fn/boston.py
显然一切都应该工作,但我遇到了很多问题get_input_fn我检查了所有的类型,我试图使用numpy和pandas函数,但我无法达到结果...
我遇到了这样的错误:
TypeError:ufunc'add'不包含带签名匹配类型的循环dtype('
有随机数或至少一些提示的任何简单示例或代码中的问题在哪里?