Question

我用非常漂亮的花朵尝试了这个最基本的例子。根据这个较老的问题（https://stackoverflow.com/a/41380178/6444605），有一些变化。但这个例子现在也是最新的吗？我问，因为我收到了这个错误：

classifier = skflow.DNNClassifier（hidden_units = [10,20,10]， n_classes = 3）TypeError：_ _ init _ _（）至少需要3个参数（3 给出）

这就是代码：

import tensorflow.contrib.learn as skflow
from sklearn import datasets, metrics
iris = datasets.load_iris()
# made a change in the next line
classifier = skflow.DNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(iris.target, classifier.predict(iris.data))

print("Accuracy: %f" % score)

Answer 1

我认为您需要告诉功能的位置：

classifier = skflow.DNNClassifier(feature_columns=..., hidden_units=[10, 20, 10], n_classes=3)

您需要定义要素列，例如feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]，它告诉分类器它应该预期有4列带有实数。

由于skflow已移至tf.contrib.learn，您可能会发现这有用：https://www.tensorflow.org/api_docs/python/tf/contrib/learn/DNNClassifier 无论如何，feature_columns和hidden_units在函数调用中是强制性的。

我在metrics.accuracy_score()时遇到了一些错误，因此我将其替换为classifier.evaluate()并最终使其正常运行。

请参阅下面的完整示例：

import tensorflow as tf
import tensorflow.contrib.learn as skflow
from sklearn import datasets

iris = datasets.load_iris()
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]
# made a change in the next line
classifier = skflow.DNNClassifier(feature_columns=feature_columns, hidden_units=[10, 20, 10], n_classes=3)

classifier.fit(iris.data, iris.target, steps=50)

score = classifier.evaluate(iris.data, iris.target, steps=1)["accuracy"]
print("Accuracy: {}".format(score))

可以在此处找到更多扩展示例：https://www.tensorflow.org/get_started/tflearn

Answer 2

对此的另一个解决方案可能是：它是张量流版本0.8而不是实际的＆gt;所以只需切换这个小例子的版本。

Tensorflow-鲜花的例子

2 个答案: