问题标签 [ludwig]

在 Uber Ludwig 工具箱中，从头开始的训练产生了以下 10 个文件：

1. 检查点
2. model_hyperparameters.json
3. model_weights.data-00000-of-00001
4. model_weights.index
5. model_weights.meta
6. model_weights_progress.data-00000-of-00001
7. model_weights_progress.index
8. model_weights_progress.meta
9. train_set_metadata.json
10. training_progress.p

我想将它们（或仅需要的）导出到一个文件saved_model.pb以便能够将其加载到我的 ML Engine Google 平台。

我尝试了 freeze_graph.py 脚本，但它需要一个我没有的 .pb 文件作为输入。（我只有上面提到的10个文件）。如何继续获取这个saved_model.pb文件？我看到了几个线程，但没有一个对我有用。

因此，文档提供了一个 model_definition.yaml 文件来训练和测试 Uber 的 ludwig 模型。我正在尝试在自定义数据集上使用它，我有一个 CSV 文件，该文件也作为数据框读入 pandas。我试图创建一个model_definition

我一直在尝试使用路德维希人的 github 回复中的这种方法：

有关如何创建 model_definitions 的文档需要更详细。

错误是语法错误。

我想在我可以访问的 gpu 服务器上从源代码安装来自 uber 的 ludwig 。我在那里没有管理员权限。

我使用的步骤记录在 ludwig 的入门步骤中：

我只是签出一个自定义分支并更改tensorflow为tensorflow-gpu==1.12.0.requirements.txt

在运行 virtualenv 安装步骤时，我总是遇到这个 TypeError：

TypeError: unsupported operand type(s) for -=: 'Retry' and 'int'

OSError: Command /data/home/jburkard/ludwig/venv/bin/python3 - setuptools pkg_resources pip wheel failed with error code 2

我已经尝试了这个问题中提到的所有步骤。但我既没有使用代理，也没有其他提示帮助。

如果能获得更多关于我可以尝试的建议，那就太好了！

完整追溯：

我正在与Ludwig一起运行模型。

数据集是成人人口普查：

特征

工作类有将近 70% 的 Private 实例，Unknown (?) 可以用这个值来估算。

native_country，90% 的实例是美国，可用于估算未知 (?) 值。由于值分布更广，因此不能说职业列也是如此。

capital_gain有 72% 的实例在小于 50K 的情况下为零值，19% 的实例在 >50K 的情况下为零值。

capital_loss有 73% 的实例在小于 50K 的情况下为零值，21% 的实例在 >50K 的情况下为零值。

当我定义模型时，对于上述情况，最好的方法是什么？

问题：

1）对于类别特征如何定义：如果找到？，将其替换为X。

2）对于数值特征如何定义：如果找到0，将其替换为均值？

执行我的训练 python 脚本时，返回以下内容。

我浏览了路德维希的文档，对此感到困惑。

我的 CSV 源的格式是这样的。

ludwig 的预期行为是训练模型没有任何错误。

如何通过一些示例确定何时在列上使用Set FeaturesvsSequence Features以及它们之间的区别。

我正在尝试使用Ludwig进行分类。我的数据集如下所示：

• 这里的字母仅用于代表性目的
• 例如特征 1（字母词）可以代表 ^al lph pha ha$（此处为三元组）

我应该改用序列吗？

在 colab 上安装 ludwig 时出现以下错误。尝试了一些事情，但无法解决这个问题。

错误：命令“/usr/bin/python3 -u -c 'import setuptools, tokenize; file ='”'“'/tmp/pip-install-klvuqhbh/gmpy/setup.py'“'”';f=getattr (tokenize, '"'"'open'"'"', open)( file );code=f.read().replace('"'"'\r\n'"'"', '"'" '\n'"'"');f.close();exec(compile(code, file , '"'"'exec'"'"'))' install --record /tmp/pip-record-uo0mqy_u /install-record.txt --single-version-externally-managed --compile" 失败，错误代码 1 在 /tmp/pip-install-klvuqhbh/gmpy/**

我目前正在尝试创建一个 TensorFlow 估计器，以使用各种 pip 和 conda 包在 Azure ML Compute 上运行 Ludwig 的训练模型，如下所示：

其中一个 pip 包是 gmpy，但它不会安装并抛出error: fatal error: gmp.h: No such file or directory compilation terminated. error: command 'gcc' failed with exit status 1.

这会阻止 Ludwig 安装并导致无法构建想象

当我在 Ubuntu 上的 python 虚拟环境中本地运行 Ludwig 时，我可以通过运行“sudo apt-get install libgmp3-dev”而不是pip install gmpy. 当我尝试将 Gmpy2 作为库添加到估算器时，它会引发相同的错误，并且似乎 libgmp3-dev 没有 pip 或 conda 等效项。我尝试将 gmpy 和 gmpy2 .whl 文件直接添加到环境中，但轮文件未被识别为兼容。

是否有某种方法可以添加RUN sudo apt-get install libgmp3-dev到 dockerfile 中，以便估算器制作的 docker 容器已经安装，而无需创建自定义 dockerfile？我注意到 TensorFlow 估计器类有一个可以采用 DockerSection 的“environment_definition”标志，但我找不到任何关于它们如何工作的示例。

我是 Uber Ludwig 的新手，我在标题中遇到错误，StackTrace 是：

所以我有一个 CSV 文件，其中包含以下格式的数据：

现在我的模型定义是：

以及我在 cli 上运行的命令：

现在我不知道为什么会发生错误，有人可以帮助我吗？

我想了解 Ludwig 如何对图像进行编码。它是通过预训练模型运行图像而不运行损失还是运行损失？如果是这样，对于大型特征集运行什么类型的损失？