Question

我使用Keras实施了此模型，结果与预期的一样。现在我正在尝试使用Tensorflow，但我做不到。正如您在下面看到的那样，我的损失是不对的。

我在做什么错了？

ps：我更喜欢使用估计器，而不是乘法张量等。

X = numpy.array([ 1.1, 1.3, 1.5, 2.0, 2.2, 2.9, 3.0, 3.2, 3.2, 3.7, 3.9, 4.0, 4.0, 4.1, 4.5, 4.9, 5.1, 5.3, 5.9, 6.0, 6.8, 7.1, 7.9, 8.2, 8.7, 9.0, 9.5, 9.6, 10.3, 10.5])

y = numpy.array([ 39.343, 46.205, 37.731, 43.525, 39.891, 56.642, 60.15, 54.445, 64.445, 57.189, 63.218, 55.794, 56.957, 57.081, 61.111, 67.938, 66.029, 83.088, 81.363, 93.94, 91.738, 98.273, 101.302, 113.812, 109.431, 105.582, 116.969, 112.635, 122.391, 121.872])


#reduce salaries to unit of thousands
#Split 70% training, 30% test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

#Create estimator
feat_cols = [ tf.feature_column.numeric_column('X', shape=[1]) ]
estimator = tf.estimator.LinearRegressor(feature_columns=feat_cols)

#input functions
train_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_train}, y_train, shuffle=False)
test_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_test}, y_test, shuffle=False)

#Train and test
estimator.train(input_fn=train_input_func)
train_metrics = estimator.evaluate(input_fn=train_input_func)
test_metrics = estimator.evaluate(input_fn=test_input_func)

#Predict salary for arbitrary years of experience
X_single_data = np.array([4.6])
pred_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_single_data}, shuffle=False)
single_pred = estimator.predict(pred_input_func)

print('--Train metrics--')
print(train_metrics)
print(' ')
print('--Test metrics--')
print(test_metrics)

-训练指标-

{'average_loss'：5795.477，'label / mean'：72.32367，'loss'：121705.016，'prediction / mean'：1.2057142，'global_step'：1}

-测试指标-

{'average_loss'：7422.221，'label / mean'：84.588104，'loss'：66799.99，'prediction / mean'：1.3955557，'global_step'：1}

仅供参考：这是我在keras上得到的： Link to image

Answer 1

您缺少与批次大小一起训练的时期数。将这些参数添加到输入函数的定义中，例如，在用于线性回归的火车输入的情况下，可能看起来像这样

train_input_func = \
    tf.estimator.inputs.numpy_input_fn({'X': X_train},\
                                       y_train,\
                                       num_epochs=500,\
                                       batch_size=1,\
                                       shuffle=False)

此后，它应该开始训练，并且丢失功能会下降。

线性回归和估计器返回错误的损失。 Tensorflow

1 个答案: