Question

我已经按照evalutating MNIST教程进行了调整，并希望对其进行调整以使用我自己的数据集。使用inception model我已使用build_image_data.py将我的图像转换为张量并加载它们。现在我不能直接将这些数据输入到.fit函数中，如下所示：

输入不能是张量。请提供input_fn。

以下是相关代码：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import numpy as np
import tensorflow as tf

from tensorflow.contrib import learn
from tensorflow.contrib.learn.python.learn.estimators import model_fn as model_fn_lib

import image_processing
import dataset

tf.logging.set_verbosity(tf.logging.INFO)

height = 200
width = 200

def cnn_model_fn(features, labels, mode):
    input_layer = tf.reshape(features, [-1, width, height, 1])

    con
    v1 = tf.layers.conv2d(inputs=input_layer, filters=32, kernel_size=[5, 5], padding="same", activation=tf.nn.relu)
    pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
    conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[5, 5], padding="same", activation=tf.nn.relu)
    pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)
    pool2_flat = tf.reshape(pool2, [-1, (width/4) * (width/4) * 64])
    dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
    dropout = tf.layers.dropout(inputs=dense, rate=0.4, training=mode == learn.ModeKeys.TRAIN)
    logits = tf.layers.dense(inputs=dropout, units=2)

    loss = None
    train_op = None

    if mode != learn.ModeKeys.INFER:
        onehot_labels = tf.one_hot(indices=tf.cast(labels, tf.int32), depth=2)
        loss = tf.losses.softmax_cross_entropy(onehot_labels=onehot_labels, logits=logits)

    if mode == learn.ModeKeys.TRAIN:
        train_op = tf.contrib.layers.optimize_loss(loss=loss, global_step=tf.contrib.framework.get_global_step(), learning_rate=0.001, optimizer="SGD")

    predictions = {
            "classes": tf.argmax(input=logits, axis=1),
            "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
    }

    return model_fn_lib.ModelFnOps(mode=mode, predictions=predictions, loss=loss, train_op=train_op)

def main(unused_argv):
    training_data = dataset.Dataset("train-00000-of-00001", "train")
    validation_data = dataset.Dataset("validation-00000-of-00001", "validation")
    images, labels = image_processing.inputs(training_data)
    vimages, vlabels = image_processing.inputs(validation_data)

    sess = tf.InteractiveSession()
    feature_classifier = learn.SKCompat(learn.Estimator(model_fn=cnn_model_fn, model_dir="/tmp/feature_model"))
    tensors_to_log = {"probabilities": "softmax_tensor"}
    logging_hook = tf.train.LoggingTensorHook(tensors=tensors_to_log, every_n_iter=10)
    feature_classifier.fit(x=images.eval(), y=labels.eval(), batch_size=100, steps=200000, monitors=[logging_hook])
    metrics = {
            "accuracy":
                    learn.MetricSpec(metric_fn=tf.metrics.accuracy, prediction_key="classes"),
    }
    # Evaluate the model and print results
    eval_results = feature_classifier.evaluate(x=vimages.eval(), y=vlabels.eval(), metrics=metrics)
    print(eval_results)

if __name__ == "__main__":
    tf.app.run()

我将代码更改为注释中的更新，现在它将挂起而在feature_classifier.fit（）处没有输出。它在一开始就给出的唯一输出是：

INFO：tensorflow：使用默认配置。 INFO：tensorflow：使用config：{'_ save_checkpoints_steps'：无，'_ tf_config'：gpu_options { per_process_gpu_memory_fraction：1 } ，'_ tf_random_seed'：无，'_ kep_checkpoint_max'：5，'_ num_ps_replicas'：0，'_ master'：''，'_ is_chief'：是的，'_ keep_checkpoint_every_n_hours'：10000，'_ task_id'：0，'_ save_summary_steps'：100， '_task_type'：无，'_ num_worker_replicas'：0，'_ save_checkpoints_secs'：600，'_ evaluation_master'：''，'_ cluster_pec'：'，'_ environment'：'local'，'_ model_dir'：无}

修改：将代码示例更改为程序的完整源代码。我现在使用Google初始模型中的数据集和image_processing，而不是使用自定义函数将数据集转换为图像。没有错误，但是当调用feature_classifier.fit（）时程序就会冻结。没有CPU使用，没有任何输出。

加载张量来模拟输入

0 个答案: