Question

我正在使用这个例子： https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/examples/tutorials/input_fn/boston.py

使用完全相同的骨架制作测试脚本，除了我使用了UCI存储库中的数据集： https://archive.ics.uci.edu/ml/datasets/Airfoil+Self-Noise

但是我一直遇到NaN直方图错误：

InvalidArgumentError (see above for traceback): Nan in summary histogram
for: dnn/dnn/hiddenlayer_0_activation
[[Node: dnn/dnn/hiddenlayer_0_activation = HistogramSummary[T=DT_FLOAT,
_device="/job:localhost/replica:0/task:0/cpu:0"](dnn/dnn
/hiddenlayer_0_activation/tag, dnn/hiddenlayer_0/hiddenlayer_0/Relu)]]

这是代码：

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

import itertools

import pandas as pd
import tensorflow as tf
import numpy
#import feature_column as fc

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

COLUMNS = ["freq", "angle", "chord", "velocity", "thic", "snd"]
FEATURES = ["freq", "angle", "chord", "velocity", "thic"]
LABEL = "snd"


def input_fn(data_set):
  feature_cols = {k: tf.constant(data_set[k].values) for k in FEATURES}
  labels = tf.constant(data_set[LABEL].values)
  return feature_cols, labels


def main(unused_argv):
  # Load datasets
  training_set = pd.read_csv("C:\\Users\\Aida\\Documents\\Visual Studio 2017\\Projects\\airfoil_train.csv", skipinitialspace=True,
                             skiprows=1, names=COLUMNS)
  test_set = pd.read_csv("C:\\Users\\Aida\\Documents\\Visual Studio 2017\\Projects\\airfoil_test.csv", skipinitialspace=True,
                         skiprows=1, names=COLUMNS)

  # prediction set
  prediction_set = pd.read_csv("C:\\Users\\Aida\\Documents\\Visual Studio 2017\\Projects\\airfoil_predict.csv", skipinitialspace=True,
                               skiprows=1, names=COLUMNS)

  # Feature cols
  feature_cols = [tf.contrib.layers.real_valued_column(k)
                  for k in FEATURES]

  # clip the gradients using gloal norms
  #list1 = 
  #global_norm1 = tf.global_norm(list1)
  #clipper = tf.clip_by_global_norm(list1, 1,  global_norm1, name=None)

  # Build 3 layer DNN with dropout
  regressor = tf.contrib.learn.DNNRegressor(feature_columns=feature_cols,
                                            hidden_units=[10, 10],
                                            model_dir="/tmp/airfoil_model",
                                            optimizer=tf.train.ProximalAdagradOptimizer(learning_rate=0.1, l1_regularization_strength=0.001)
                                            )

  # Fit
  regressor.fit(input_fn=lambda: input_fn(training_set), steps=3000)

  # Score accuracy
  ev = regressor.evaluate(input_fn=lambda: input_fn(test_set), steps=1)
  loss_score = ev["loss"]
  print("Loss: {0:f}".format(loss_score))

  # Print out predictions
  y = regressor.predict_scores(input_fn=lambda: input_fn(prediction_set))

  # .predict() returns an iterator; convert to a list and print predictions
  predictions = list(itertools.islice(y, 10))
  print("Predictions: {}".format(str(predictions)))

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

我试图改变优化器的学习速度，你也可以看到，我也试过渐变剪辑，但这让我陷入了一个全新的陷阱。我甚至使用不同的数据创建了另一个完整的骨架，但它给了我同样的错误。它可能是我格式化数据集的方式，但我几乎完全遵循教程格式。（如果需要，我可以发布CSV文件格式的图像。我现在没有足够的点来放置多个链接）

我尝试了原始的教程脚本，它工作得很好。我想知道错误是什么（用外行术语）以及它为什么会发生。

编辑：问题是通过删除CSV文件中的功能名称行来解决的，这是第一行，但这仍然是关于我怎么不能放具有功能名称的行而不会导致读取错误。

为了知识，我仍然想知道它为什么会发生以及原始错误意味着什么

Answer 1

为什么要命名列？如果你需要按列特殊的方式做一些事情，你不能只使用索引吗？

Tensorflow在第一个隐藏层

1 个答案: