Question

我正在创建一个带有numpy数组的估算器，以便使用tf.estimator.inputs.numpy_input_fn提供给模型。如下所示：

def input_fun(data):
    x, y = data

    x, y = np.reshape(x, (batch_size, -1, 1)), \
           np.reshape(y, (batch_size, -1, 1))

    return tf.estimator.inputs.numpy_input_fn({'x': x}, y)

def forward(x, params, mode):

    layers = [tf.nn.rnn_cell.LSTMCell(n_neurons) for _ in range(n_layers)]
    cells = tf.nn.rnn_cell.MultiRNNCell(layers)
    outputs, state = tf.nn.dynamic_rnn(cells, x)

    predictions = ...

    return predictions

def model_fn(features, labels, mode, params):
    predict = forward(features, params, mode)

    return tf.estimator.EstimatorSpec(predict , ...)

def experiment_fn(config, params):
    return learn.Experiment(
        estimator = estimator(model_fn,...),
        train_input_fn = lambda: input_fun(train_set),
        eval_input_fn = lambda: input_fun(eval_set))

它引发了以下内容：

追踪（最近一次呼叫最后一次）：

文件“”，第1行，in       RUNFILE（ '/ Experiment.py'，   WDIR = '/ TensorFlow'）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ Spyder的\ utils的\网站\ sitecustomize.py”   第710行，在runfile中       execfile（filename，namespace）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ Spyder的\ utils的\网站\ sitecustomize.py”   第101行，在execfile中       exec（compile（f.read（），filename，'exec'），namespace）

文件“/Experiment.py”，第490行，in       hparams = params

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \的contrib \学习\ python的\学习\ learn_runner.py”   第218行，在运行中       return _execute_schedule（experiment，schedule）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \的contrib \学习\ python的\学习\ learn_runner.py”   第46行，在_execute_schedule中       return task（）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \的contrib \学习\ python的\学习\ experiment.py”   第367行，在火车上       hooks = self._train_monitors + extra_hooks）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \的contrib \学习\ python的\学习\ experiment.py”   第807行，在_call_train中       钩=钩）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\估计\ estimator.py”   302号线，在火车上       loss = self._train_model（input_fn，hooks，saving_listeners）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\估计\ estimator.py”   第711行，在_train_model中       功能，标签，model_fn_lib.ModeKeys.TRAIN，self.config）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\估计\ estimator.py”   第694行，在_call_model_fn中       model_fn_results = self._model_fn（features = features，** kwargs）

文件“/Experiment.py”，第350行，在model_fn中       预测=前进（特征，参数，模式）

文件“/Experiment.py”，第335行，正向       dtype = tf.float32

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\ OPS \ rnn.py”   第562行，在dynamic_rnn中       flat_input = [op_convert_to_tensor（input_）for input_ in flat_input]

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\ OPS \ rnn.py”   第562行       flat_input = [op_convert_to_tensor（input_）for input_ in flat_input]

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\框架\ ops.py”   第836行，在convert_to_tensor中       as_ref =假）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\框架\ ops.py”   第926行，在internal_convert_to_tensor中       ret = conversion_func（value，dtype = dtype，name = name，as_ref = as_ref）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\框架\ constant_op.py”   第229行，在_constant_tensor_conversion_function中       返回常量（v，dtype = dtype，name = name）

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\框架\ constant_op.py”   208行，常数       value，dtype = dtype，shape = shape，verify_shape = verify_shape））

文件   “C：\用户\ HP \ Anaconda3 \ LIB \站点包\ tensorflow \ python的\框架\ tensor_util.py”   第472行，在make_tensor_proto中       “支持类型。” ％（类型（值），值））

TypeError：无法转换类型为＆lt; class'function'＆gt;的对象至   张量。内容：＆lt; function numpy_input_fn。＆lt; locals＆gt; .input_fn at   0x000001AB2B1DBEA0取代。考虑将元素转换为支持的类型。

有谁知道为什么？

Answer 1

我有类似的问题。在我的情况下引发了异常，因为在我的模型中（我猜＆＃34;转发＆＃34;，在你的情况下）x被用作Tensor，但它实际上是一个函数（特别是tf.estimator.inputs.numpy_input_fn）。我想通过添加这个来解决这个问题：

print(x)
print(type(x))

其中印有这样的东西：

<function numpy_input_fn.<locals>.input_fn at 0x7fcc6f065740>
<class 'function'>

我仍然不确定解决问题的正确方法是什么，但我能够通过做类似的事情来修复它：

input_dict, y = x()
x = input_dict['x']

希望有所帮助

Answer 2

您应该将单元格列表传递到MultiRNNCell：

参数数量：

cells ：将按此顺序组成的RNNCell列表。

state_is_tuple ：如果为True，则接受和返回的状态为n元组，   其中n = len(cells)。如果为False，则状态都连接在一起   列轴。后一种行为很快就会被弃用。

如果您真的想制作单层RNN，请将代码更改为

cells = tf.nn.rnn_cell.MultiRNNCell([layers])

...或创建更多图层。

具有numpy数组的估算器input_fn

2 个答案: