python - Tensorflow DNNClassifier 返回错误的预测

Question

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 id，然后将每个句子转换为整数数组。

每条训练记录都有自己指定的标签。

问题是预测不准确，只有一些预测不准确，但其他预测即使输入等于训练库的记录，结果也是错误的。
我的代码看起来像这样:

def launchModelData(values, labels, sample, actionClasses):

    #Tensor for trainig data
    v = tf.Variable(values)
    l = tf.Variable(labels)

    #Data Sample
    s = tf.Variable(sample)

    # Build 3 layer DNN with 10, 20, 10 units respectively.
    classifier = tf.contrib.learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=actionClasses)

    # Add an op to initialize the variables.
    init_op = tf.initialize_all_variables()

    # Later, when launching the model
    with tf.Session() as sess:
        # Run the init operation.
        sess.run(init_op)

        # Fit model.
        classifier.fit(x=v.eval(), y=l.eval(), steps=200)

        # Classify one new sample.
        new_sample = np.array(s.eval(), dtype=int)
        y = classifier.predict(new_sample)
        print ('Predictions: {}'.format(str(y)))

    return y

值和类示例:

[0 1] 0  
[0 2] 0  
[0 4] 0  
[7 8] 1  
[7 9] 1  
[ 7 13] 1  
[14 15] 2  
[14 16] 2  
[14 18] 2  
[20 21] 3  
[26 27] 5  
[29 27] 5  
[31 32] 5  
... 

我是 tensorflow 新手，因此我尝试使其尽可能简单，欢迎任何帮助。

编辑
我的实际训练数据是this.

我尝试了 8 个类，预测结果很好，所以也许我需要更大的语料库，我会尝试在新的编辑中显示我的输出。

编辑2

现在我使用五层 [n,2n,4n,8n,16n] 的组合，其中 n = 类和步骤 = 20000，这可以很好地减少损失并提高准确性，但同样它只适用于几个目标(10 aprox) 数量越大，预测就会出错。

Answer 1

tf.learn 中的估计器负责创建 session 和图形。它通过 input_fn 获取输入张量。每次拟合/评估/预测都会创建一个新的 session 和图表。代码应类似于以下内容:

# Build 3 layer DNN with 10, 20, 10 units respectively.
my_feature = tf.contrib.layers.real_valued_column('my_feature')
classifier = tf.contrib.learn.DNNClassifier(feature_columns=[my_feature], hidden_units=[10, 20, 10], n_classes=actionClasses)

def _my_train_data():
  return {'my_feature': tf.constant(values), tf.constant(labels)

classifier.fit(input_fn=_my_train_data, steps=200)

# Classify one new sample.
def _my_predict_data():
  return {'my_feature': tf.Constant(s)
y = classifier.predict(input_fn=_my_predict_data)
print ('Predictions: {}'.format(str(y)))

return y