问题标签 [skflow]

我正在使用 tensorflow 为 MNIST 数据集复制一个神经网络，该数据集之前是在 skflow 中编程的。这是skflow中的模型：

该模型的准确度为 0.950600。

但是在 tensorflow 中复制的模型在损失函数中得到了 nan 并且未能改进（我认为它与Tensorflow NaN 错误无关？因为我使用的是 tf.nn.softmax_cross_entropy_with_logits）。

我不知道为什么，因为 tensorflow 中的模型设置与 skflow 中的模型相同。我唯一不确定是否相同，是关于 skflow 如何初始化网络的权重，我在 skflow 的代码中搜索了该部分但我没有找到它。

这是张量流中的代码：

我对可能是什么问题一无所知。有什么建议么？

编辑 1：正如我建议的那样，我尝试用 tf.get_variable("w_hidden", [num_pixels, 1200]) 替换 tf.Variable 调用，但我得到了 Nans。

此外，我使用 skflow.ops.dnn op 进行图层处理并使用我自己的损失等，但仍然得到了 Nans。

编辑2：原来这不是权重初始化的问题。似乎梯度太不稳定（在张量流模型中），导致损失变为 NaN。就像在TensorFlow 中添加多个层导致损失函数变成 Nan一样，我将学习率降低了一个数量级，并且成功了。

现在我不明白的是 skflow 的 SGD 优化器和上面的有什么不同。或者他们“看起来”相等，但他们需要不同的学习率的解释是什么？

我在使用 skflow 在张量板上显示损失（训练或监控）摘要时遇到问题

这是我的代码：

一切运行良好：

它生成大小为 4,8M 的文件 .tfevents（附加）

当我使用 chrome 作为资源管理器连接到机器时，我在图形/直方图/中有数据，但在事件中没有任何数据（未找到标量数据）

我错过了记录损失的东西吗？

注意：我 logging_ops.scalar_summary("model_loss", self._model_loss) 在 learn/python/learn/estimators/base.py 中添加了模型损失出现在 tensorboard

Ps：我在 GPU 机器上运行，使用最后构建的tensorflow 附加 tfevents my_model_1.zip

我正在用Tensorflowand创建神经网络skflow；出于某种原因，我想获取给定输入的一些内部张量的值，所以我使用myClassifier.get_layer_value(input, "tensorName"),myClassifier作为skflow.estimators.TensorFlowEstimator.

但是，我发现很难找到张量名称的正确语法，即使知道它的名称（而且我对操作和张量感到困惑），所以我使用 tensorboard 来绘制图形并查找名称。

有没有办法在不使用张量板的情况下枚举图中的所有张量？

我需要在我的内部创建一个随机变量model_fn()，具有形状[batch_size, 20]。

我不想batch_size作为参数传递，因为那样我就不能使用不同的批量大小进行预测。

删除与此问题无关的部分，我的 model_fn() 是：

如果我替换[batch_size, 20]为inp.get_shape()，我得到

运行时myclf.setup_training()。

如果我尝试

我得到ValueError: Cannot evaluate tensor using eval(): No default session is registered. Use了 sess.as_default() or pass an explicit session to eval(session=sess)（可以理解，因为我没有提供 feed_dict）

如何访问batch_sizeinside的值model_fn()，同时在预测期间保持能够更改它？

我的环境是

• Mac OS X 10.11.4
• 蟒蛇 2.7
• 张量流 0.8

我只是在 tensorflow 中运行了一个 skflow 示例。示例是neuro_translation.py。

但是上面给出了以下错误。

任何人都知道如何解决这个错误？先感谢您。

我对使用 tensorflow 应用卷积神经网络很感兴趣。但是，我看到的唯一教程是加载 MNIST 数据集。我尝试复制那里完成的程序并阅读互联网上的大量教程，但它不起作用。到目前为止，这是我的代码

基本上，我想做以下事情： - 从文件夹中加载图像及其名称

• 将每个图像的大小调整为 28*28

• 将其更改为灰度

• 将其转换为张量并将其添加到训练集中

• 创建它的目标（从它的标签并将其添加到一个numpy数组）

• 对文件夹中的所有图像重复

完成后，将数据集和目标传递给 tensorflow RNN

所有帮助将不胜感激

我有一个数据集 X，可以说 2000 行。我想把每两条线都放在一起。结果应该是 1000 行数据集（列数应该保持不变）。

我已经在matlab中做了这个

在 TensorFlowDNNClassifier 中，我必须指定 n_classes（类数）。如果我预测一个介于 0 和 1 之间的浮点值怎么办？如果我想要完全准确，可能有无限数量的类。

更清楚地说，TensorFlow skflow 中的神经网络是为分类问题而设计的。但是，我正在处理一个价值预测问题。如何针对这种浮点值预测问题修改模型？

我已经使用 pip install 构建了 tensorflow v0.8.0，但是当我尝试任何 skflow 示例时，它们都失败了，因为

这是由于这个

我正在尝试在使用 sklearn 实现的同时使用 TensorFlow 制作回归模型，因此它可以与我制作的所有其他模型很好地配合使用。但是，我似乎找不到使用自定义评分函数（成本函数或目标函数）训练模型的方法。

这对skflow来说是不可能的吗？

感谢负载！