问题标签 [skflow]

我无法让 DNNClassifier 在训练时打印进度，即损失和验证分数。据我了解，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内容。

我错过了什么吗？我检查了 RunConfig 如何处理详细参数，它似乎只关心它是否大于 1，这与文档不匹配：

verbose：控制详细程度，可能的值：0：算法和调试信息静音。1：教练打印进度。2：打印日志设备放置。

至于验证分数，我认为使用monitors.ValidationMonitor就可以了，但是尝试它时，分类器不打印任何东西，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，但找不到任何监视器。

我正在基于 Tensorflow 的 skflow 库构建多个 DNN 模型。我将数据划分为小批量并使用 partial_fit 进行拟合。在每个 partial_fit 循环之后，我想将 TensorFlowDNNClassifier 模型的前 n 个隐藏层的权重复制到另一个 TensorFlowDNNClassifier 模型。然后使用 partial_fit 继续学习/复制。（两个模型的前 n 个隐藏层的拓扑是相同的。）

我知道如何从分类器 1 中检索权重：

classifier.get_tensor_value('dnn/layer0/Linear/Matrix:0')

但我不知道如何将它们的值复制到分类器2！

用例：

我正在尝试基于 skflow 的 TensorFlowDNNClassifier/TensorFlowDNNRegressor 构建 M DNN 模型的集合。我希望这些 M 模型彼此共享前 n 层。也就是说，相同的输入、架构和价值观. 我想通过对 skflow 的原始代码进行最小的更改来做到这一点。为此，我考虑将我的数据分成小批量，然后一次训练一个小批量的模型。在每个步骤中（使用小批量），我在一个模型上应用 partial_fit 并将其第一个 n 隐藏层的权重复制到集成中的下一个模型。然后我使用相同的小批量对第二个模型进行局部拟合，然后将权重的新值复制到下一个模型。我重复这个训练/复制，直到我到达集合中的最后一个模型。在训练第 M 个模型后，我将其前 n 个隐藏层的权重复制到所有之前的 (M-1) 个模型。然后我对下一个小批量重复此操作，直到所有 M 个模型的权重收敛。

编辑：感谢@Ismael 和@ilblackdragon（通过另一个论坛）的宝贵意见。他们建议的解决方案在模型创建时效果最好。我必须向 TensorFlowEstimator 添加额外的函数，以便我可以在训练时轻松地将权重从一个模型复制到另一个模型（小批量训练的多个步骤）。我将以下函数添加到类TensorFlowEstimator（在文件 estimators/base.py 中定义）

然后，在使用 self.model_fn(self._inp, self._out) 创建模型图后，我将以下几行添加到函数_setup_training中

以及如何使用 getter 和 setter 函数：

我的生物数据集有 20K 行和 170 个特征。我正在做 dnn 回归来预测生物活性。（一个带有线性方程的单位输出层和两个隐藏层）。它在我的 cpu 上运行得非常慢，并且产生了非常糟糕的 r-square（负数）。然后我用相同网络架构的 skflow 运行它。它的速度要快得多（超过 100 倍），而且我得到的 r2 比上一次运行（r2=0.3）要好得多，尽管结果不是很好。有谁知道为什么？我的代码有什么问题吗？我的代码和底层 skflow 代码有什么区别？我的损失函数定义正确吗？非常感谢您的帮助。以下是代码：

I trying to explore different classifier for this example in scikit-learn website http://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html. However, the code below produced an error: ValueError: setting an array element with a sequence.

我已经在 python3 上将我的 tensorflow 从 0.7 更新到了 0.9。现在我无法使用 skflow(tensorflow.contrib.learn) 恢复我以前保存的模型。这是在 tensorflow 0.7 上工作的示例代码示例。

在 tensorflow 0.9 上，我收到了这个错误。

如何使用新的 contrib.learn 函数（如 contrib.learn.DNNClassifier）保存模型输出？

skflow.TensorFlowDNNClassifier 等已弃用的函数具有 .save 和 .restore 方法。据说这些已迁移到 contrib.learn 函数，但不再有我能找到的保存和恢复方法。

如果您专门创建变量，您可以使用 tf.train.Saver，但是如果您只使用 contrib.learn.DNNClassifier 或 contrib.learn.DNNRegressor 函数，有什么方法可以保存您的图表、权重和偏差？

我正在使用 TF v0.9 构建基于 skflow 的 DNN 预测（0 或 1）模型。我的代码TensorFlowDNNClassifier是这样的。我训练了大约 26,000 条记录并测试了 6,500 条记录。

大约需要 1 分钟并得到结果。

但我得到了

所以我简单地更新了我的代码DNNClassifier。

它也很好用。但结果不一样。

1的精度提高了。当然这对我来说是一件好事，但为什么会有所改进呢？大约需要2个小时。 这比前面的例子慢了大约 120 倍。

我有什么问题吗？或错过一些参数？或者DNNClassifierTF v0.9 不稳定？

我在开始使用“tensforflow learn”（以前称为 skflow）时遇到了问题。

我的问题 ？

我什至无法运行最简单的 DNN 示例

下面的示例引发错误

在 jupyter notebook 中，内核突然结束了？

我错过了什么还是一个错误？

PS：我有 tf 版本 9

PS：能否请有足够声誉的人创建标签tensorflow-learn 我很遗憾谷歌已将 skflow 重命名为 tensorflow learn。存在与tflearn库混淆的风险（当然，除非这是故意的。）

谢谢

更新 1

重新启动计算机后，我无法复制错误。对此感到尴尬

更新 2

我想我知道为什么。当您创建第二个 jupyter notebook 会话（或者就此而言，在 cli 上创建第二个 ipython 会话）时会发生错误。

我发布了一个更长的错误字符串，以防它帮助其他人

我试图通过将我的验证集作为 numpy 数组传递来在 skflow 中使用验证监视器。

这是一些重现问题的简单代码（我从提供的 Ubuntu/Linux 64 位二进制文​​件中安装了 tensorflow，启用了 GPU，Python 2.7）：

代码运行但只有第一个验证步骤正确完成，然后验证总是返回相同的值，即使训练实际上进行得很好，这可以通过在最后对测试集运行评估来检查。每个验证步骤也会显示以下消息。

欢迎任何帮助！谢谢，大卫

有两个 TFLearn 项目

和

这些项目的状态如何，它们将保持独立还是合并在一起？