我正在尝试构建一个以TensorFlow目录中的示例为模型的深度神经网络分类器 . 该示例的代码如下所示:
def main(unused_argv):
# Load dataset.
iris = learn.datasets.load_dataset('iris')
x_train, x_test, y_train, y_test = cross_validation.train_test_split(
iris.data, iris.target, test_size=0.2, random_state=42)
# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
# Fit and predict.
classifier.fit(x_train, y_train, steps=200)
score = metrics.accuracy_score(y_test, classifier.predict(x_test))
print('Accuracy: {0:f}'.format(score))
我正在做同样的事情,除了我正在使用我的数据,这与虹膜数据(连续特征值和离散0或1目标值)相同 . 我的数据样本如下所示:
G1 G2 G3 G4 Target
7.733347 6.933914 6.493334 5.31336 0
6.555225 6.924448 6.353376 5.568334 1
7.515558 6.326627 6.197123 5.565245 0
7.132243 6.733111 7.107221 5.681575 1
我正在使用以下代码阅读我的数据:
def extract_examples_labels(filepath):
data = pd.read_csv(filepath).as_matrix()
num_inputs = len(data[0])-1
data_examples = data[:,range(num_inputs)]
data_labels= data[:,len(data[0])-1]
return data_examples, data_labels
然后,我执行与TensorFlow示例中完全相同的操作,但我使用的是数据 . 但是,我不断收到一条错误消息:
ValueError:目标's dtype should be int32, int64 or compatible. Instead got dtype: ' float64'
所以我认为这意味着因为我的y_train是一个浮点数,我需要将它转换为int所以我这样做使用:
y_train = y_train.astype(int)
我确认它的类型为int64并再次运行分类器但得到以下错误:
ValueError:目标与给定信息不兼容 . 给定目标:Tensor("output:0",shape =(?,),dtype = int64),必需的签名:TensorSignature(dtype = tf.float64,shape = TensorShape([Dimension(None)]),is_sparse = False) .
现在它说它想要一个float64 . 所以我很困惑我做错了什么 . 有什么建议或明显的错误吗?
1 回答
经过一番挖掘后,我找到了解决方案 . 如果查看TensorFlow包中的以下目录:
你可以找到一个名为base.py的文件,它有csv文件加载函数 . 基本上,我刚刚修改了名为load_csv的函数来接收我的文件 . 代码如下所示:
所以如果你看到上面的代码,我认为我遇到的问题是target_dtype属性 . 即使我更改了目标数组的dtype,我也没有更改target_dtype属性,这使得它在TensorFlow检查签名时看起来不兼容 . 我的代码现在工作= . 如果您有任何疑问或可以进一步澄清,请随时这样做!