machine-learning - 直接将输入提供给 tf.contrib.learn 估计器

Question

我在使用 TensorFlow 的 tf.contrib.learn 中的 DNNRegressor 估计器时遇到问题。在 documentation page提出了估计器的两种提供输入的方法。

第一种方法使用 input_fn 函数，如上所述，该函数应用于预处理并将输入提供给估计器，第二种方法直接提供输入。示例:

def input_function:
    ...
    return feature_cols, label

estimator.fit(input_fn=input_function, steps=...)

在这种情况下，feature_cols是一个字典，其中:

• 键:字符串指定列名称，
• 值:tf.constant指定列值，

label 是包含标签的单个 tf.constant 列。

这有效。

X_train = ...
y_train = ...
estimator.fit(x=X_train, y=y_train, steps=...)

在这种情况下，我不知道要输入什么作为X和y。我尝试过以下方法:

• 普通 numpy 数组。这是一个远景，并且行不通。错误消息为:KeyError: 'my_column0'
• Pandas DataFrame 的列对应于定义的列名称(在估算器初始化时定义)。我会再次得到相同的 KeyError，即使 key 现在应该在那里。
• 传递X=feature_cols和y=label，其定义方式与上述input_fn的情况相同。这会产生:ValueError:输入不能是张量。请提供input_fn。

我还尝试了 dict 和 numpy 数组的其他组合，但没有任何效果。我希望能够使用第二种方法来完成这项工作，因为这对于将对象传递给评估和预测也很有用。有谁知道这个的正确格式？另外，有没有办法简单地传递 numpy 数组？

谢谢!

tl;博士tf.contrib.learn 估计器的输入应该是什么，以便使用estimator.fit(x=X_train，y=y_train，steps=...)直接提供它们？

Answer 1

我想我错过了以下警告:一些参数已被弃用。它们将于 2016 年 12 月 1 日后被删除。更新说明:Estimator 通过移入单独的类 SKCompat 与 Scikit Learn 接口(interface)分离。参数 x、y 和 batch_size 仅在 SKCompat 类中可用，Estimator 仅接受 input_fn。转换示例:est = Estimator(...) -> est = SKCompat(Estimator(...))

奇怪的是，2016 年 12 月 1 日之后，争论仍然存在。