如何在TensorFlow 1.0中为Estimator使用ValidationMonitor？

Question

TensorFlow提供了将ValidationMonitors与几个预定义估算器（如 tf.contrib.learn.DNNClassifier ）组合在一起的可能性。 但我想使用ValidationMonitor作为我自己的估算器，我根据1创建了它。

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)

在此我按照2所示传递监视器，以获取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？
感谢。

Answer 1

将包含 testX 和 testY 的 input_fn 传递给 ValidationMonitor 而不是传递张量时，问题就解决了> testX 和 testY 。

Answer 2

对于记录，您的错误是由于ValidationMonitor期望x是{ 'feature_name_as_a_string' : feature_tensor }之类的字典，input_fn中的字典是通过调用tf.contrib.learn.io.numpy_input_fn(...)在内部完成的。

有关如何构建功能词典的更多信息，请参阅Building Input Functions with tf.contrib.learn article of the documentation。