Question

我尝试使用tensorflow创建一个句子分类器，如官方网站tf.contrib.learn Quickstart的示例，但是使用我自己的数据，首先我通过使用将所有数据（不同长度的字符串）转换为ID字典，所以转换整数数组中的每个句子。

每个培训记录都有自己的分配标签。

问题是预测不准确，只有一些，但其他人即使输入等于训练基数的记录，结果也是错误的。我的代码看起来像这样：

def launchModelData(values, labels, sample, actionClasses):

    #Tensor for trainig data
    v = tf.Variable(values)
    l = tf.Variable(labels)

    #Data Sample
    s = tf.Variable(sample)

    # Build 3 layer DNN with 10, 20, 10 units respectively.
    classifier = tf.contrib.learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=actionClasses)

    # Add an op to initialize the variables.
    init_op = tf.initialize_all_variables()

    # Later, when launching the model
    with tf.Session() as sess:
        # Run the init operation.
        sess.run(init_op)

        # Fit model.
        classifier.fit(x=v.eval(), y=l.eval(), steps=200)

        # Classify one new sample.
        new_sample = np.array(s.eval(), dtype=int)
        y = classifier.predict(new_sample)
        print ('Predictions: {}'.format(str(y)))

    return y

值和类例：

我是张力流的新手，所以我尽量让它变得不那么复杂，欢迎任何帮助。

修改
我的实际培训数据是this.

我尝试了8个班级并且预测很好，所以也许我需要一个更大的语料库，我会尝试在新的编辑中显示我的输出。

EDIT2

现在我使用五层[n，2n，4n，8n，16n]的组合，其中n = Classes和步数= 20000，这减少了损失并且确实提高了准确性但是再次它只适用于一些目标（10 aprox）预测错误的数量更大。

Answer 1

tf.learn中的估算员负责创建会话和图表。它通过input_fn获取输入张量。每个拟合/评估/预测都将创建一个新的会话和图形。代码应类似于以下内容：

# Build 3 layer DNN with 10, 20, 10 units respectively.
my_feature = tf.contrib.layers.real_valued_column('my_feature')
classifier = tf.contrib.learn.DNNClassifier(feature_columns=[my_feature], hidden_units=[10, 20, 10], n_classes=actionClasses)

def _my_train_data():
  return {'my_feature': tf.constant(values), tf.constant(labels)

classifier.fit(input_fn=_my_train_data, steps=200)

# Classify one new sample.
def _my_predict_data():
  return {'my_feature': tf.Constant(s)
y = classifier.predict(input_fn=_my_predict_data)
print ('Predictions: {}'.format(str(y)))

return y

Tensorflow DNNClassifier返回错误预测

1 个答案: