首页 文章

如何在TensorFlow 1.0中为Estimator使用ValidationMonitor？

提问于
浏览 次
1

TensorFlow提供了将ValidationMonitors与tf.contrib.learn.DNNClassifier等几个预定义估算器结合使用的可能性 . 但我想使用ValidationMonitor为我自己的估算器，我根据1创建 .

对于我自己的估算工具，我首先初始化一个ValidationMonitor：

validation_monitor = tf.contrib.learn.monitors.ValidationMonitor(testX,testY,every_n_steps=50)

estimator = tf.contrib.learn.Estimator(model_fn=model,model_dir=direc,config=tf.contrib.learn.RunConfig(save_checkpoints_secs=1))

input_fn = tf.contrib.learn.io.numpy_input_fn({"x": x}, y, 4, num_epochs=1000)

Here I pass the monitor as shown in 2 for tf.contrib.learn.DNNClassifier:

estimator.fit(input_fn=input_fn, steps=1000,monitors=[validation_monitor])

此操作失败并打印出以下错误：

ValueError：功能与给定信息不兼容 . 给定的特征：Tensor（“input：0”，shape =（？，1），dtype = float64），必需的签名：{'x'：TensorSignature（dtype = tf.float64，shape = TensorShape（[Dimension（None）] ），is_sparse = False）} .

如何将监视器用于我自己的估算器？
谢谢 .

machine-learning tensorflow

2 回答

  • 0

    将包含testX和testY的input_fn传递给ValidationMonitor而不是直接传递张量testX和testY时，问题就解决了 .

    回复于
  • 1

    对于记录，您的错误是由ValidationMonitor要求x为 { 'feature_name_as_a_string' : feature_tensor } 之类的字典引起的，这在 input_fn 中是通过调用 tf.contrib.learn.io.numpy_input_fn(...) 在内部完成的 .

    有关如何构建功能字典的更多信息，请参见Building Input Functions with tf.contrib.learn article of the documentation .

    回复于

相关问题