使用Tensorflow和SKCompat进行简单线性回归

Question

自Tensorflow-GPU 1.3更新以来，估算器已被弃用，现在已成为SKCompat类的wrapepd。

包装工作，但是我不知道如何使用fit函数与估算器拟合函数进行比较。

fit函数应该将两个x个参数赋值为一个y值。因此，x都是Tensor Rank 0。

一方面，我试图将它解析为fit参数为numpy数组，如下所示：

with tf.device('/gpu:0'): #with tf.device('/cpu:0'):
    #Read the data
    x1_d,x2_d, y_d=readData()

    features = [tf.contrib.layers.real_valued_column("x1",dimension=1),\
                tf.contrib.layers.real_valued_column("x2",dimension=1)]


    cl = SKCompat( tf.contrib.learn.LinearRegressor(feature_columns=features,\
    model_dir='./linear_estimator_2'))


    cl.fit(x={"x1":x1_d,"x2":x2_d},y=y_d)

这给了我错误

  

AttributeError：'numpy.ndarray'对象没有属性'items'

所以我试着把它转换成这样的张量：

x1_t = tf.convert_to_tensor(x1_d)
x2_t = tf.convert_to_tensor(x2_d)  
y_t = tf.convert_to_tensor(y_d)

cl.fit(x={"x1":x1_t,"x2":x2_t},y=y_t)

这给了我错误

  

ValueError：输入不能是张量。请提供input_fn

但是，如果我像这样创建input_fn：

input_fn_train = tf.contrib.learn.io.numpy_input_fn(
                     {"x1":x1_d,"x2":x2_d}, y_d, num_epochs=1000)
cl.fit(input_fn_train)

然后我当然得到错误，y参数丢失了。

那么如何设置fit function SKCompat的数据？

像Tensorflow Deprecated Warning这样的问题不讨论这个部分，或者是旧版本。