Question

我已经关注了重新评估MNIST tutorial，并希望对其进行调整以使用我自己的数据集。使用初始模型，我使用build_image_data.py将我的图像转换为张量并加载它们。然后我尝试使用它们作为模型的输入，但执行会一直停止，直到model.fit（）函数。之后没有CPU使用，也没有任何输出。

以下是相关代码：

br

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：{＆＃39; _save_checkpoints_steps＆＃39;：无，＆＃39; _tf_config＆＃39;：gpu_options { per_process_gpu_memory_fraction：1 } ，＆＃39; _tf_random_seed＆＃39;：无，＆＃39; _keep_checkpoint_max＆＃39;：5，＆＃39; _num_ps_replicas＆＃39;：0，＆＃39; _master＆＃39;：＆＃39;＆＃39 ;，＆＃39; _is_chief＆＃39;：是的，＆＃39; _keep_checkpoint_every_n_hours＆＃39;：10000，＆＃39; _task_id＆＃39;：0，＆＃39; _save_summary_steps＆＃39;：100，＆＃39; _task_type＆＃39;：无，＆＃39; _num_worker_replicas＆＃39;：0，＆＃39; _save_checkpoints_secs＆＃39;：600，＆＃39; _evaluation_master＆＃39;：＆＃39;＆＃39;，＆＃39; ; _cluster_spec＆＃39;：，＆＃39; _环境＆＃39;：＆＃39;本地＆＃39;，＆＃39; _model_dir＆＃39;：无}

我的数据集大约是31 MB + 6 MB的输入和验证集。

Answer 1

您需要启动队列运行程序。以下代码更改应该有效：

sess = tf.InteractiveSession()

sess.run(tf.global_variables_initializer())
coordinator = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess,coord=coordinator)

feature_classifier = learn.SKCompat(learn.Estimator(model_fn=cnn_model_fn, model_dir="/tmp/feature_model"))
 ...

print(eval_results)
coordinator.request_stop()
coordinator.join(threads)

另一种推荐的方法是通过进行以下更改来使用更新的Estimator'input_fn'方法：

sess = tf.InteractiveSession()

feature_classifier = 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( input_fn=lambda:image_processing.inputs(training_data), train=True), steps=200000, monitors=[logging_hook])
metrics = {
        "accuracy":
                learn.MetricSpec(metric_fn=tf.metrics.accuracy, prediction_key="classes"),
}

Tensorflow不会在合适的情况下开始训练

1 个答案: