我在估算员DNNRegressor的帮助下构建回归模型。 以下是代码
import tensorflow as tf
DATA_PATH = 'train_data/train_1.csv'
BATCH_SIZE = 5
N_FEATURES = 3963
def batch_generator(filenames):
""" filenames is the list of files you want to read from.
In this case, it contains only heart.csv
"""
filename_queue = tf.train.string_input_producer(filenames)
reader = tf.TextLineReader(skip_header_lines=1) # skip the first line in the file
_, value = reader.read(filename_queue)
record_defaults = [[1.0] for _ in range(N_FEATURES)]
# read in the rows of data
content = tf.decode_csv(value, record_defaults=record_defaults)
# pack all features into a tensor
features = tf.stack(content[:N_FEATURES])
# assign the last column to label
label = content[1]
# minimum number elements in the queue after a dequeue, used to ensure
# that the samples are sufficiently mixed
# I think 10 times the BATCH_SIZE is sufficient
min_after_dequeue = 10 * BATCH_SIZE
# the maximum number of elements in the queue
capacity = 20 * BATCH_SIZE
# shuffle the data to generate BATCH_SIZE sample pairs
data_batch, label_batch = tf.train.shuffle_batch([features, label], batch_size=BATCH_SIZE,
capacity=capacity, min_after_dequeue=min_after_dequeue)
return data_batch, label_batch
def generate_batches():
regressor = tf.estimator.DNNRegressor(feature_columns=feature_cols,hidden_units=[10,10,10],model_dir='alg_model4')
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for _ in range(4): # generate 10 batches
regressor.train(input_fn=sess.run(input_fn()),steps=2)
coord.request_stop()
coord.join(threads)
def main():
generate_batches()
if __name__ == '__main__':
main()
以下是流程： -
问题是它抛出以下输出并出现错误： - 信息：tensorflow：使用默认配置。信息：tensorflow：使用config： {＆＃39; _log_step_count_steps＆＃39;：100，＆＃39; _keep_checkpoint_max＆＃39;：5， ＆＃39; _save_checkpoints_secs＆＃39;：600，＆＃39; _tf_random_seed＆＃39;：1， ＆＃39; _save_summary_steps＆＃39;：100，＆＃39; _model_dir＆＃39;：＆＃39; alg_model4＆＃39;， ＆＃39; _save_checkpoints_steps＆＃39;：无，＆＃39; _session_config＆＃39;：无， ＆＃39; _keep_checkpoint_every_n_hours＆＃39;：10000} （TensorShape（[Dimension（None），Dimension（3963）]）， TensorShape（[Dimension（None）]））INFO：tensorflow：报告错误 协调员：，Dequeue 操作被取消[[Node：ReaderReadV2_7 = ReaderReadV2 [_device =＆＃34; /作业：本地主机/复制：0 /任务：0 / CPU：0＆＃34;]（TextLineReaderV2_7， input_producer_7）]] -------------------------------------------------- ------------------------- TypeError Traceback（最近一次调用 last）/ usr / lib / python3.5 /inspect.py in getfullargspec（func）1088
_signature_from_callable中的 /usr/lib/python3.5/inspect.py(obj, follow_wrapper_chains，skip_bound_arg，sigcls）2155如果没有 可调用（OBJ）： - ＆GT; 2156引发TypeError（＆＃39; {！r}不是可调用对象＆＃39; .format（obj））2157
skip_bound_arg =假 - ＆GT; 1089 sigcls =签名）1090除了例外情况，例如：TypeError :( array（[[0.，1。，0.，...，0.，0.，0。]， [0.，1.，0.，...，0.，0.，0。]， [0.，1.，0.，...，0.，0.，0。]， [0.，1.，0.，...，0.，0.，0。]， [0.，1.，0.，...，1.，0.，0。]]，dtype = float32），array（[4261,2203,4120,4049,1414]））不是可调用对象
上述异常是导致以下异常的直接原因：
TypeError Traceback（最近一次调用 最后）in（） 4 5如果名称 ==＆＃39; 主要＆＃39;： ----＆GT; 6 main（）
在main（）中 1 def main（）： ----＆GT; 2 generate_batches（） 3 4 5如果名称 ==＆＃39; 主要＆＃39;：
在generate_batches（）中 5个主题= tf.train.start_queue_runners（coord = coord） 6为_在范围内（4）：＃生成10批次 ----＆GT; 7 regressor.train（input_fn = sess.run（input_fn（）），steps = 2） 8 coord.request_stop（） 9 coord.join（线程）
/usr/local/lib/python3.5/dist-packages/tensorflow/python/estimator/estimator.py 在火车上（self，input_fn，hooks，steps，max_steps） 239 hooks.append（training.StopAtStepHook（steps，max_steps）） 240 - ＆GT; 241 loss = self._train_model（input_fn = input_fn，hooks = hooks） 242 logging.info（＆＃39;最后一步的损失：％s。＆＃39;，损失） 243回归自我
/usr/local/lib/python3.5/dist-packages/tensorflow/python/estimator/estimator.py 在_train_model中（self，input_fn，hooks） 626 global_step_tensor = self._create_and_assert_global_step（g） 627个功能，标签= self._get_features_and_labels_from_input_fn（ - ＆GT; 628 input_fn，model_fn_lib.ModeKeys.TRAIN） 629 estimator_spec = self._call_model_fn（功能，标签， 630 model_fn_lib.ModeKeys.TRAIN）
/usr/local/lib/python3.5/dist-packages/tensorflow/python/estimator/estimator.py in _get_features_and_labels_from_input_fn（self，input_fn，mode） 497 498 def _get_features_and_labels_from_input_fn（self，input_fn，mode）： - ＆GT; 499 result = self._call_input_fn（input_fn，mode） 如果是实例500（结果，（列表，元组））： 501如果len（结果）！= 2：
/usr/local/lib/python3.5/dist-packages/tensorflow/python/estimator/estimator.py 在_call_input_fn中（ 解析参数失败 ） 576＆＃34;＆＃34;＆＃34; 577 del mode＃unused - ＆GT; 578 input_fn_args = util.fn_args（input_fn） 579 kwargs = {} 580 if＆＃39; params＆＃39;在input_fn_args中：
/usr/local/lib/python3.5/dist-packages/tensorflow/python/estimator/util.py 在fn_args（fn）中 55 56＃处理功能。 ---＆GT; 57返回元组（tf_inspect.getargspec（fn）.args）
/usr/local/lib/python3.5/dist-packages/tensorflow/python/util/tf_inspect.py 在getargspec（对象） 43个装饰器，target = tf_decorator.unwrap（object） 44返回下一个（（d.decorator_argspec for d in decorators ---＆GT; 45如果d.decorator_argspec不是None），_ inspect.getargspec（target）） 46 47
getpgspec（func）中的 /usr/lib/python3.5/inspect.py 1041 stacklevel = 2）1042 args，varargs，varkw，defaults，kwonlyargs， kwonlydefaults，ann = \ - ＆GT; 1043 getfullargspec（func）1044如果kwonlyargs或ann：1045引发ValueError（＆＃34; Function只有关键字参数或者 注释＆＃34;/usr/lib/python3.5/inspect.py in getfullargspec（func）1093
别的。因此，为了完全向后兼容，我们在这里捕获所有1094个可能的异常，并重新引发TypeError。
- ＆GT; 1095从ex 1096 1097引发TypeError（＆＃39;不支持的可调用＆＃39;）args = []
TypeError：不支持的可调用
答案 0 :(得分：0)
不确定input_fn的来源，但sess.run(input_fn())看起来不正确。 Estimator将评估input_fn。