Question

在60,000（列车）和26,000（测试）上使用以下TF TF .9.0rc0，以及145个编码列（1,0）的记录，试图预测1或0进行类别识别..

classifier_TensorFlow = learn.TensorFlowDNNClassifier(hidden_units=[10, 20, 10],n_classes=2, steps=100)
classifier_TensorFlow.fit(X_train, y_train.ravel())

我明白了：

WARNING:tensorflow:TensorFlowDNNClassifier class is deprecated. Please consider using DNNClassifier as an alternative.
Out[34]:TensorFlowDNNClassifier(steps=100, batch_size=32)

然后很快就取得了良好的效果：

score = metrics.accuracy_score(y_test,   classifier_TensorFlow.predict(X_test))
print('Accuracy: {0:f}'.format(score))
Accuracy: 0.923121

和

print (metrics.confusion_matrix(y_test, X_pred_class))
[[23996   103]
[ 1992    15]]

但是当我尝试使用新建议的方法时：

classifier_TensorFlow = learn.DNNClassifier(hidden_units=[10, 20, 10],n_classes=2)

它没有完成而挂起？它不会采取“步骤”参数？我没有收到任何错误消息或输出，所以没有太多的继续...任何想法或提示？文档有点“轻松？”

Answer 1

我不认为这是一个错误，从DNNClassifier的源代码，我可以看出它的用法与TensorFlowDNNClassifier不同。 DNNClassifier的构造函数没有步骤参数：

def __init__(self,
           hidden_units,
           feature_columns=None,
           model_dir=None,
           n_classes=2,
           weight_column_name=None,
           optimizer=None,
           activation_fn=nn.relu,
           dropout=None,
           config=None)

正如您所见here。相反，DNNClassifier继承自BaseEstimator的fit（）方法现在具有步骤参数，请注意batch_size也是如此：

  def fit(self, x=None, y=None, input_fn=None, steps=None, batch_size=None,
          monitors=None):

对于＆＃34;它挂起但没有完成？＆＃34;，在BaseEstimator的fit（）方法的文档中，解释了如果步骤是None（默认情况下为值），模型将永远训练。

我仍然不知道为什么我想永远训练模型。我的猜测是，如果我们想要提前停止验证数据，创作者认为这种分类器更好，但正如我所说的只是我的猜测。

正如您所见，DNNClassifier并未提供任何反馈，因为已弃用 TensorFlowDNNClassifier，假设可以使用＆＃39; config＆＃39;设置反馈。存在于DNNClassifier的构造函数中的param。所以你应该将一个RunConfig对象作为配置传递，并且在这个对象的参数中你应该设置详细的参数，不幸的是我试图设置它以便我可以看到损失的进度，但没有那么幸运。

我建议你在他的博客here中查看袁棠的最新帖子，这是skflow的创建者之一，也就是学习。

Answer 2

我刚才有类似的问题@Ismael回答是正确的。我只想添加信息，现在classifier.fit（）具有此参数表现不同的steps参数。它不会提前中止。还有另一个名为max_steps的参数。这表现为TensorFlowDNNClassifier的原始步骤参数。

简而言之，只需在fit（）上使用 max_steps 参数，如下所示：

classifier = skflow.DNNClassifier(...)
classifier.fit(X_train, y_train, max_steps=3000)

不推荐使用TensorFlowDNNClassifier类，但替换似乎不起作用？

2 个答案: