Question

欢迎任何建议，因为这是一个雄心勃勃的第二个编码项目。 :) 具体来说，我对这个DNN有两个不同的问题。

我似乎只能运行100个评估步骤中的1个，
无法获得有意义的预测。

在某些时候，它正在运行所有100个评估步骤。我现在似乎无法复制任何东西。我错过了什么？

数据集适用于骰子游戏。我正在寻找的预测将是与特征和标签相同形状的数组，并对阵列中的每个位置进行二元预测。

我尝试了不同的阵列形状和深度，以至于我都转过身来。也许一个不同的估算器是解决方案？如果我尝试将一个要素/标签组合提供给预测变量，它会抛出features dictionary '1' not found;它需要与训练和测试集相同的设置大小。

有没有办法以这种方式返回预测？

示例：

predict_feature = {'0': [1, 2, 5, 1, 4, 3]} #1's and  5's would be 'keepers'
predict_label = np.array([1, 0, 1, 1, 0, 0])
desired output = np.array[.91, .12, .89, .92, .06, .15]

随机生成要素，并通过游戏中的评分算法创建标签。它们通过下面的内容来创建特征字典并将标签放入数组中。类似的函数创建了评估和预测集。

def train_evaluation_set(features, labels):
    """Creates training input set"""
    feature = {}
    features = [[digit for digit in features[x]] for x in range(len(features))]
    for x in range(len(features)):
        feature.update({"{}".format(x): features[x]})
    label = np.array(labels)
    return feature, label

然后创建张量。

def train_input_fn(feature, label, batch_size):
    """Input function for training"""
    dataset = tf.data.Dataset.from_tensor_slices((dict(feature), label))
    dataset = dataset.shuffle(shuffle_x).repeat().batch(100)
    iterator = dataset.make_one_shot_iterator()
    feature, label = iterator.get_next()
    return feature, label

估算器就这样建立起来了：

def main(main=None, argv=None):
    # Set feature columns.
    my_feature_columns = []
    for key in feature.keys():
        my_feature_columns.append(tf.feature_column.numeric_column(key=key))

    # Instantiate estimator.
    classifier = tf.estimator.DNNClassifier(
        feature_columns=my_feature_columns,
        hidden_units=[100, 100, 100],
        n_classes=2)

    # Train the Model.
    classifier.train(
        input_fn=lambda: train_input_fn(feature, label, batch_size),
        steps=train_steps)

    # Evaluate the model.
    eval_result = classifier.evaluate(
        input_fn=lambda: eval_input_fn(test_feature, test_label, batch_size),
        steps=200)

    print('\nTest set accuracy: {accuracy:0.3f}\n'.format(**eval_result))

    # Generate predictions from the model
    predictions = classifier.predict(
        input_fn=lambda: predict_input_fn(predict_feature, predict_label[0]))

    pp.pprint(next(predictions))

从这里开始，培训顺利进行，并完成一个评估步骤。

INFO:tensorflow:Loss for final step: 0.00292182.
WARNING:tensorflow:Casting <dtype: 'float32'> labels to bool.
WARNING:tensorflow:Casting <dtype: 'float32'> labels to bool.
INFO:tensorflow:Starting evaluation at 2018-02-20-09:06:14
INFO:tensorflow:Restoring parameters from C:\Users\Paul\AppData\Local\Temp\tmp97u0tbvx\model.ckpt-1000
INFO:tensorflow:Evaluation [1/200]
INFO:tensorflow:Finished evaluation at 2018-02-20-09:06:19
INFO:tensorflow:Saving dict for global step 1000: accuracy = 0.666667, accuracy_baseline = 0.833333, auc = 0.8, auc_precision_recall = 0.25, average_loss = 0.623973, global_step = 1000, label/mean = 0.166667, loss = 3.74384, prediction/mean = 0.216801

Test set accuracy: 0.667

我怀疑WARNING步骤是我预测的问题所在，即使标签已被标注，但不知道如何处理它。

最后，漂亮的印刷品给了我：

{'class_ids': array([1], dtype=int64),
 'classes': array([b'1'], dtype=object),
 'logistic': array([ 0.70525986], dtype=float32),
 'logits': array([ 0.87247205], dtype=float32),
 'probabilities': array([ 0.2947402 ,  0.70525986], dtype=float32)}

可在https://github.com/llpk79/DNNTenThousand

Tensorflow DNNClassifier预测为数组

0 个答案: