- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我无法让 DNNClassifier 在训练时打印进度,即损失和验证分数。据我所知,可以使用从 BaseEstimator 继承的配置参数打印损失,但是当我传递一个 RunConfig 对象时,分类器没有打印任何东西。
from tensorflow.contrib.learn.python.learn.estimators import run_config
config = run_config.RunConfig(verbose=1)
classifier = learn.DNNClassifier(hidden_units=[10, 20, 10],
n_classes=3,
config=config)
classifier.fit(X_train, y_train, steps=1000)
我错过了什么吗?我检查了 RunConfig 如何处理详细参数,它似乎是 that it only cares if its greater than 1 ,与文档不匹配:
verbose: Controls the verbosity, possible values: 0: the algorithm and debug information is muted. 1: trainer prints the progress. 2: log device placement is printed.
至于验证分数,我认为使用 monitors.ValidationMonitor会很好,但是当尝试它时,分类器不打印任何东西,当尝试使用 early_stopping_rounds 时也没有任何反应。我在源代码中搜索文档或一些注释,但找不到任何关于监视器的内容。
最佳答案
在 fit 函数显示进度之前添加这些:
import logging
logging.getLogger().setLevel(logging.INFO)
示例:
INFO:tensorflow:global_step/sec: 0
INFO:tensorflow:Training steps [0,1000000)
INFO:tensorflow:Step 1: loss = 10.5043
INFO:tensorflow:training step 100, loss = 10.45380 (0.223 sec/batch).
INFO:tensorflow:Step 101: loss = 10.5623
INFO:tensorflow:training step 200, loss = 10.46701 (0.220 sec/batch).
INFO:tensorflow:Step 201: loss = 10.3885
INFO:tensorflow:training step 300, loss = 10.36501 (0.232 sec/batch).
INFO:tensorflow:Step 301: loss = 10.3441
INFO:tensorflow:training step 400, loss = 10.44571 (0.220 sec/batch).
INFO:tensorflow:Step 401: loss = 10.396
INFO:tensorflow:global_step/sec: 3.95
关于python - 在 tensorflow r0.9 (skflow) 中训练 DNNClassifier 时如何打印进度?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37797194/
我已经成功地在深度神经网络模型上使用了来自tensorflow的mnist数据集,该模型是我从头开始编码的。现在我想尝试使用 tensorflow 中可用的更简单的 DNNClassifier 函数。
我尝试使用tensorflow制作一个句子分类器,如官方网站tf.contrib.learn Quickstart的示例所示。但使用我自己的数据,首先我通过使用字典将所有数据(不同长度的字符串)转换为
我一直在使用 TF 1.3 中的估计器接口(interface),包括创建数据输入函数: training_input_fn = tf.estimator.inputs.pandas_input_fn
我想在 DNNClassifier 中使用单独的损失函数,因为我想使用的数据高度不平衡 tf.nn.weighted_cross_entropy_with_logits 作为损失函数,但我想我需要为它
我看了this了解如何在 Tensorboard 上可视化嵌入的教程。整个代码为here 。他使用卷积神经网络来训练模型。这是构建嵌入的核心部分: embedding = tf.Variable(t
我在 tensorflow 上训练了一个深度神经网络并用于预测一些示例,但是当我尝试使用 train.Saver() 保存它时我收到错误:“没有要保存的变量” 已经尝试过 train.Saver 像这
我正在使用 MNIST 教程中的代码: feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)] classi
我有一个巨大的训练 CSV 文件 (709M) 和一个大型测试 CSV 文件 (125M),我想在使用高级 Tensorflow API 的上下文中将它们发送到 DNNClassifier。 似乎 f
我正在使用 DNNClassifier Estimator 来训练二元分类器。我想记录设备信息以验证我的模型是在 GPU 还是 CPU 上运行。 由于使用 Estimator 我们不处理 sessio
我是 tensorflow 新手,使用 official tutorial tf.estimator.DNNClassifier 和自定义估计器来构建简单的神经网络来解决分类问题。 训练时: dnn_
我是 ML 和 TF 方面的新手,我正在尝试使用 TensorFlow Serving 在 GCP 上托管原始 TensorFlow 模型。为此,我需要将 DNNClassifier 模型转换为 Te
我是 TensorFlow 新手,我想知道 DNNRegressor、DNNClassifier 和 DNNEstimator 之间有什么区别。我在官方指南中找不到它。 最佳答案 DNN 代表“深度神
我正在研究二元分类问题,并在 TensorFlow 中使用 tf.contrib.learn.DNNClassifier 类。当仅针对 2 个类别调用此估计器时,它使用阈值 0.5 作为两个类别之间的
我正在尝试使用一些简单的数据来测试 TensorFlow tf.estimator。DNNClassifier X = [[1,2], [1,12], [1,17], [9,33], [48,49],
有人能给我指出 tf.estimator.DNNClassifier (最初是 skflow)的基本工作示例吗? 由于我熟悉 Sklearn,因此我很高兴在 this blog 上阅读有关 Sciki
尝试根据 Iris 数据集重现 Tensorflow 教程的结果 https://www.tensorflow.org/get_started/estimator 但是我无法运行它,因为存在属性错误我
我知道 DNNClassifier 现在是通过 estimator.DNNClassifier 训练的。在使用 contrib.learn.DNNClassifier 对其进行训练之前,我们可以使用
我编写了一小段代码来找到适合 CDC 数据集的最佳分类器。首先,我尝试了各种 scikit-learn 分类器,然后我决定添加 TF.Learn 分类器(DNNClassifier 和 LinearC
我是 TensorFlow 的新手,几天前才开始学习。我已经完成了本教程 ( https://www.tensorflow.org/versions/r0.9/tutorials/tflearn/in
我正在尝试训练 DNNClassifier labels = ['BENIGN', 'Syn', 'UDPLag', 'UDP', 'LDAP', 'MSSQL', 'NetBIOS', 'W
我是一名优秀的程序员,十分优秀!