增加DNNRegressor的隐藏层数时出错

Question

我成功使用以下代码构建一个包含2层的DNNRegressor

# Parameters
num_epochs = 1000
STEPS = 10000
BATCH_SIZE = 80

#Deep Neural Network Regressor 
feature_column1 = learn.infer_real_valued_columns_from_input(train_x)
regressor = learn.DNNRegressor(feature_columns = feature_column1, hidden_units= [25,25], model_dir = './output')
regressor.fit(train_x, train_y, max_steps= STEPS, batch_size= BATCH_SIZE)
Ypred = regressor.predict_scores(test_x, as_iterable=True)
Ypred = np.asarray(list(Ypred))
rmse = np.sqrt(((Ypred - test_y) ** 2).mean(axis=0))
print("Root mean square Error: %.3f" %rmse)

但是，当我尝试通过将regressor更改为regressor = learn.DNNRegressor(feature_columns = feature_column1, hidden_units= [25,25,25], model_dir = './output')来将隐藏图层从2增加到3时，我不断收到此错误消息：

  

InvalidArgumentError：shape_and_slice规范[25]中的形状没有   匹配检查点中存储的形状：[50] [[节点：保存/恢复V2 =   RestoreV2 [dtypes = [DT_FLOAT]   _device =＆＃34; / job：localhost / replica：0 / task：0 / cpu：0＆＃34;]（_ recv_save / Const_0，save / RestoreV2 / tensor_names，save / RestoreV2 / shape_and_slices）]]

我试过谷歌搜索这个错误，但看不到有人遇到同样的问题。有谁可以帮我解决这个问题？我不明白为什么会收到这个错误; p

Answer 1

您的脚本似乎在启动时自动加载以前保存的模型。修改网络后，持久模型不再与其兼容。

清除保存的模型输出，或使用模型输出的其他文件夹，解决了这个问题。