我会尽力理解 .
我创建了一个DNNClassifier估算器：
classifier = tf.estimator.DNNClassifier(
feature_columns=feature_column,
hidden_units=[10, 10],
n_classes=3)
我训练了这个模型：
classifier.train(input_fn=lambda:train_input_fn(train_features, train_label, 1), steps=1000)
It is here that I have a problem. 我想改变一下我的评估功能 . 我解释 ：
我的计划的目标是知道我的模型是否有利可图 . 我的功能/标签是例如：
| 2 | 1 | 6 | / | 2 |
如果评估是正确的，我将赢得feature [label]中的值（对于我们的示例，为6） . 如果没有，我输了1 .
所以，问题是我不关心准确性，因为它对我来说没有任何意义 .
目前我的评估功能是：
def eval_input_fn(features, labels, batch_size):
"""An input function for evaluation or prediction"""
features=dict(features)
if labels is None:
# No labels, use only features.
inputs = features
else:
inputs = (features, labels)
# Convert the inputs to a Dataset.
dataset = tf.data.Dataset.from_tensor_slices(inputs)
# Batch the examples
assert batch_size is not None, "batch_size must not be None"
dataset = dataset.batch(batch_size)
# Return the dataset.
return dataset
eval_result = classifier.evaluate(
input_fn=lambda:eval_input_fn(test_features, test_label,
1), steps=1000)
结果不适合我：
INFO：tensorflow：保存全局步骤1000的dict：precision = 0.555，average_loss = 0.96378326，global_step = 1000，loss = 0.96378326
如果有可能，我希望在我的数据集的每次迭代中计算得益或损失，如果评估期间的预测是否正常 . 我搜索钩子但没有结果..或者如果有一种方法可以在evaluate（）之后导出所有好的预测？
你有个主意吗？
非常感谢你的帮助 ！