tf.contrib.learn Quickstart中的错误,没有名为load_csv的属性

时间:2016-10-04 18:50:36

标签: python macos python-2.7 tensorflow osx-elcapitan

我开始使用OSX上的tensorflow,并使用以下命令安装pip安装指南:

echo $TF_BINARY_URL
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0rc0-py2-none-any.whl

快速概述:

操作系统:OS X El Capitan版本10.11.6(15G31)

Python:安装了brew install python

的Python 2.7.12_1

TensorFlow:来自import tensorflow as tf; print(tf.__version__)

的0.11.0rc0

我可以使用:

运行TensorFlow
python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
>>> Hello, TensorFlow!

所以TensorFlow已安装并运行基本命令。

但是当我从这里运行tf.contrib.learn Quickstart的代码时: https://www.tensorflow.org/versions/r0.11/tutorials/tflearn/index.html

我收到以下问题:

Traceback (most recent call last):
  File "tf_learn_quickstart.py", line 13, in <module>
    training_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TRAINING,
AttributeError: 'module' object has no attribute 'load_csv'

我无法弄清楚出了什么问题,因为其他一切似乎都运转正常。有什么想法是错的吗?

2 个答案:

答案 0 :(得分:2)

此功能已弃用:https://github.com/tensorflow/tensorflow/commit/2d4267507e312007a062a90df37997bca8019cfb

教程似乎不是最新的。我相信你可以简单地用load_csv_with_header替换load_csv以使其工作。

答案 1 :(得分:1)

快速修复此处想要运行教程的人。

替换

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TRAINING,
                                                       target_dtype=np.int)
test_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TEST,
                                                   target_dtype=np.int)

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,
                                                                  target_dtype=np.int,
                                                                  features_dtype=np.float32,
                                                                  target_column=-1)
test_set     = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,
                                                                  target_dtype=np.int,
                                                                  features_dtype=np.float32,
                                                                  target_column=-1)