使用2D标签训练DNNRegressor

时间:2019-03-06 08:54:18

标签: python pandas tensorflow regression

我正在尝试学习带有2D标签的DDNRegressor:

estimator = tf.estimator.DNNRegressor(
    hidden_units=[10,10],
    feature_columns=feature_columns, 
    label_dimension=2
)

def train_input_fn():
    return tf.estimator.inputs.pandas_input_fn(
        x = train_df,
        y = train_df[["coord_x", "coord_y"]],
        batch_size=100,
        num_epochs=1000,
        shuffle=True
    )

estimator.train(input_fn=train_input_fn())

但我遇到了错误:

  

TypeError:无法将类型的对象转换为Tensor。内容:{'coord_x':,'coord_y':

将2D标签从Pandas DataFrame传递到tf.estimator.inputs.pandas_input_fn的正确方法是什么?

谢谢

1 个答案:

答案 0 :(得分:0)

我找到了一种解决方法,但是我对此并不完全满意。仍在寻找使用tf.estimator.inputs.pandas_input_fn的正确方法。

    def train_input_fn():
        features = {
            "rssi_x1": train_df["rssi_x1"].values.tolist(),
            "rssi_x2": train_df["rssi_x2"].values.tolist(),
            "rssi_y1": train_df["rssi_y1"].values.tolist(),
            "rssi_y2": train_df["rssi_y2"].values.tolist()
        }
        labels = train_df[["coord_x", "coord_y"]].values.tolist()

        dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
        dataset = dataset.shuffle(1000).repeat().batch(100)
        return dataset   

    estimator.train(input_fn=train_input_fn, steps=90000)