FailedPreconditionError: Попытка использовать неинициализированное значение при использовании тензорной доски - PullRequest
Новая
       12

FailedPreconditionError: Попытка использовать неинициализированное значение при использовании тензорной доски

0 голосов
/ 04 сентября 2018

Код работает нормально, пока я не попытаюсь реализовать тензорную доску. Как только я добавляю обратный вызов в мой model.fit, я получаю следующую ошибку:

FailedPreconditionError: Попытка использовать неинициализированное значение обучение_23 / Адам / Переменная_7 [[Узел: обучение_23 / Адам / Переменная_7 / чтение = IdentityT = DT_FLOAT, _class = ["loc: @ training_23 / Adam / Assign_10"], _device = "/ job: localhost / replica: 0 / task: 0 / device: CPU: 0"]]

Я пытался добавить к tf.global_variables_initializer() безрезультатно. Я не знаю, чего не хватает. Ниже мой код: 

from keras.models import Sequential
from keras.layers import Dense, Dropout
import numpy
from tensorflow.keras.callbacks import TensorBoard
import tensorflow as tf

#random seed for reproducibility
numpy.random.seed(6)

NAME = "Test"
tensorboard = TensorBoard(log_dir="logs/{}".format(NAME))


# loading load prima indians diabetes dataset, past 5 years of medical 
history 
dataset = numpy.loadtxt("vmlb3.csv", delimiter=",")
test1 = numpy.loadtxt("mpredict.csv", delimiter=",")

# split into input (X) and output (Y) variables, splitting csv data
X = dataset[:,0:4]
Y = dataset[:,4]


# create model, add dense layers one by one specifying activation function
model = Sequential()
model.add(Dense(20, input_dim=4, activation='relu')) # input layer requires 
input_dim param
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='sigmoid')) # sigmoid instead of relu for 
final probability between 0 and 1

# compile the model, adam gradient descent (optimized)
model.compile(loss="binary_crossentropy", optimizer="adam", metrics= 
['accuracy'])

# call the function to fit to the data (training the network)
model.fit(X, Y, epochs = 1, batch_size=20, validation_split = 0.3, 
**callbacks=[tensorboard]**)

# save the model
#model.save('weights.h5')
...