直接向tf.contrib.learn估算者提供输入

Question

我在使用TensorFlow的tf.contrib.learn中的DNNRegressor估算器时遇到了问题。在估算器的documentation page中，提出了两种提供输入的方法。

第一种方法使用 input_fn 函数，如上所述，该函数应用于预处理并将输入提供给估算器，第二种方法直接提供输入。例子：

def input_function:
    ...
    return feature_cols, label

estimator.fit(input_fn=input_function, steps=...)

在这种情况下， feature_cols 是 dict ，其中包含：

• 键： string 指定列名
• 值： tf.constant 指定列值

标签是包含标签的单个 tf.constant 列。

这很有用。

X_train = ...
y_train = ...
estimator.fit(x=X_train, y=y_train, steps=...)

在这种情况下，我不知道要以 X 和 y 的形式提供什么。我尝试过以下方法：

• 普通的numpy数组。这是一个很长的镜头，并没有与之合作。错误消息为：KeyError: 'my_column0'
• Pandas DataFrame，其列对应于已定义的列名（在估算器的初始化时定义）。我会再次获得相同的KeyError，即使密钥现在应该存在。
• 传递X = feature_cols 和y = 标签，其定义方式与上述input_fn相同。这会产生：ValueError: Inputs cannot be tensors. Please provide input_fn.

我还尝试了与 dict 和numpy数组的其他组合，但没有任何效果。我希望能够使用第二种方法完成这项工作，因为这对于将对象传递给 evaluate 和 predict 也很有用。有谁知道这个的正确格式？ 还有，有没有办法简单地传递numpy数组？

谢谢！

TL;博士 tf.contrib.learn估算工具的输入应该是什么才能使用estimator.fit(x=X_train, y=y_train, steps=...)直接提供？

Answer 1

我想我错过了以下警告： 有些论点已被弃用。它们将在2016-12-01之后删除。更新说明：通过迁移到单独的SKCompat类，Estimator与Scikit Learn界面分离。参数x，y和batch_size仅在SKCompat类中可用，Estimator仅接受input_fn。示例转换：est = Estimator（...） - ＆gt; est = SKCompat（Estimator（...））

奇怪的是，在2016-12-01之后，论点仍然存在。