我收到一条错误消息，指出我拥有的标签数量大于n_classes-我正在使用的tf.estimator.LinearClassifier的数量。
我认为这与用于训练和测试的input_fn有关，后者确定功能和标签。我已经为此测试了不同的配置，但是找不到正确的答案。我正在使用的数据是包含4个int值的CSV，最后一个是标签。我正在Windows 3.6上的Python 3.6上运行。
def my_input_fn(data_file, num_epochs, batch_size):
dataset = tf.data.experimental.make_csv_dataset(
data_file,
batch_size=batch_size,
column_names=_CSV_COLUMNS, # ['int1', 'int2', 'int3', 'int4']
label_name='int4',
na_value="?",
num_epochs=num_epochs,
ignore_errors=True)
return dataset
train_inpf = functools.partial(my_input_fn, train_file, num_epochs=2, shuffle=True, batch_size=32)
test_inpf = functools.partial(my_input_fn, test_file, num_epochs=1, shuffle=False, batch_size=1)
如果有用，这就是我设置分类器的方式：将用作要素的3个int列指定为分类数据。
col1 = tf.feature_column.categorical_column_with_vocabulary_list(
'int1', column_uniques_lists['int1'], dtype=tf.int64)
col2 = tf.feature_column.categorical_column_with_vocabulary_list(
'int2', column_uniques_lists['int2'], dtype=tf.int64)
col3 = tf.feature_column.categorical_column_with_vocabulary_list(
'int3', column_uniques_lists['int3'], dtype=tf.int64)
my_categorical_columns = [col1,col2,col3]
classifier = tf.estimator.LinearClassifier(feature_columns=my_categorical_columns,
n_classes=len(column_uniques_lists['int4']), model_dir='.\\SaveLC\\model_dir')
column_uniques_lists是一个字典，其中包含每一列中包含的所有唯一值。
int4列中有7个唯一值，每个值对应一个类，因此我希望基于[int1，int2，int3]输入对应于int4的预测来使模型运行。 >