我想使用 SKFLOW 逐步完成 DNNClassifier 的拟合，不幸的是代码如下：

不会产生预期的结果——拟合的每次迭代都提供相同的精度：

似乎在此 DNNClassifier 的先前版本中，即 TensorFlowDNNClassifier 有 continue_training 标志会产生所需的效果。这在 DNNClassifier 中不可用。那么如何在 SKFLOW 中正确实施每个 epoch 的逐步训练呢？谢谢

我正在运行张量流 0.11。这是我刚刚从 TensorFlow 教程中复制来加载 CSV 数据集的代码。

代码

错误

我的问题是我在 mac 中运行了相同的示例，它运行良好，但是当我在 ubuntu 14.04 LTS 中运行它时，它显示了这个错误。有人可以帮助解决这个问题。

我最近开始使用tensorflow.contrib.learn（skflow）库并且非常喜欢它。但是，我在使用时遇到了问题Estimator， fit 函数使用

1. ( X, Y, and batch_size) - 这种方法的问题在于它不支持指定时期数和允许任意数据源的规定。
2. input_fn- 此外，设置时代，它给我更多的培训来源（在我的情况下直接来自数据库）的灵活性。

现在我知道我可以创建读取文件的 input_fn，但是，由于我对处理文件不感兴趣，因此以下函数对我没有用 -

• tf.contrib.learn.read_batch_examples
• tf.contrib.learn.read_batch_features
• tf.contrib.learn.read_batch_record_features

理想情况下，我想使用StreamingDataFeeder作为 input_fn。有什么想法可以实现这一目标吗？

我有一个input_fn可以与下面的 Tensorflow Estimators 一起使用的基础知识。num_epochs无需设置参数即可完美运行；获得的张量具有离散的形状。除了导致未知形状之外num_epochs的任何其他内容传入。None我的问题在于在使用时构造稀疏张量num_epochs；在不知道输入张量的形状的情况下，我无法弄清楚如何一般地创建所述张量。

谁能想到这个问题的解决方案？我希望能够通过num_epochs=1以仅对数据集进行一次评估，以及通过predict以产生一组数据集大小的预测，不多不少。

我对 tensorflow 比较陌生，想使用 tf.contrib.learn 中的 DNNRegressor 来执行回归任务。但不是一个输出节点，我想要几个（例如十个）。

如何配置我的回归器以调整许多输出节点以满足我的需求？

我的问题与已在 SO 上提出的以下问题有关，但似乎没有有效的答案（我使用的是 TensorFlow 0.11 版）

skflow回归预测多个值

使用 SkFlow TensorFlowDNNRegressor 的多个目标列

我正在使用 scikit-learn 来评估我在 tensorFlow 中实现并由 TensorFlow 估计器包装的神经网络：

cross_val_score导致以下错误：

TypeError：如果没有指定评分，则传递的估计器应该有一个'score'方法。估计器 TensorFlowEstimator(steps=5, batch_size=64, continue_training=False, verbose=1, n_classes=2, learning_rate=0.0001, clip_gradients=5.0, class_weight=None, params=None, optimizer=Adam) 没有。

当我定义如下所示的评分方法时：

发生以下错误：

评分值看起来像是一个度量函数而不是一个记分器。记分员应该需要一个估算器作为其第一个参数。请使用make_scorer将指标转换为记分员。

当我使用make_scorer时，如下所示：

发生以下错误：

new_object = klass(**new_object_params) TypeError: init () got an unexpected keyword argument 'params'

任何想法？

根据https://www.tensorflow.org/versions/r0.9/api_docs/python/contrib.learn.html， tf.contrib.learn.BaseEstimator.evaluate 函数可以采用 steps 参数。参数解释如下：

步骤：评估模型的步骤数。如果没有，则永远评估。

评价怎么会有步骤？在我的理解中，一个训练有素的模型应该只“评估”一次（即steps=1），然后根据目标标签计算损失，对吧？

谢谢！

该Estimator.fit()函数也可以作为参数

• ( x, y, and batch_size) where xandy可以是 numpy 数组或迭代器。

  优点

  1. 便于使用。
  2. 允许从任意来源提供数据，只要问题可以分解为x和y。

  缺点

  1. 没有提供时代的规定
  2. 如果x和y是数组，则数据聚合必须可用，而不是动态读取（例如从数据库中读取）
  3. 无论是数组还是迭代器，x都y不能是字典。大多数复杂问题不能简化为输入矩阵和输出矩阵，可能需要多个输入特征矩阵。

• input_fn- 这是回调函数，它必须返回张features量target或张量字典。

  优点

  1. 允许从任意来源提供数据（理论上）。
  2. 返回的特征和目标可以是字典，从而允许解决需要多个输入的复杂问题。

  缺点

  1. 仅支持使用read_batch_examples(), read_batch_features(),read_batch_record_features()等读取文件。
  2. 不支持传递占位符和 feed_fn 以允许不需要队列的任意输入数据源。

相关讨论

1. https://github.com/tensorflow/tensorflow/pull/4696#issuecomment-253632403
2. 如何使用 StreamingDataFeeder 作为 contrib.learn.Estimator.fit() 的 input_fn？

在 1. 的讨论中，@martinwick 建议使用py_func来克服 input_fn 的缺点，但是，我仍然不确定如何。欢迎任何建议、想法、蓝图。

此处描述的 Tensorflow 时间轴是一种使用 Chrome 跟踪机制分析 tensorflow 运行的方法。但是要使用它，似乎需要在Session.run()调用中设置选项，例如：

在 SKFlow 中，通常无法访问实际Session.run()调用。相反，一个调用Estimator.fit()，例如从登录页面：

是否可以使用完整的跟踪选项运行 SKFlow，以便可以使用 Tensorflow 时间线？如果是这样，怎么做？

我正在使用带有 tensorflow 0.11 和 sklearn 0.18 的 python 3.5。我编写了一个简单的示例代码来使用 tensorflow 计算与虹膜数据的交叉验证分数。我使用 skflow 作为包装器。

但是我收到了如下错误。似乎skflow与sklearn的cross_val_score不兼容。

类型错误：无法克隆对象“”（类型）：它似乎不是 scikit-learn 估计器，因为它没有实现“get_params”方法。

有没有其他方法可以解决这个问题？