Предварительно сделанные оценки тензорного потока: потери растут - PullRequest
Новая
       8

Предварительно сделанные оценки тензорного потока: потери растут

0 голосов
/ 24 сентября 2019

моя потеря продолжает увеличиваться

что я делаю не так 

import tensorflow as tf
import numpy as np
import pandas as pd

tf.version.VERSION


######################################################################################
##Create TEST DATA
######################################################################################

def testdata_create_csv(from_number=0,number_of_rows=1000,filename='houseprices.csv'):
    f = open(filename,'w')
    for i in np.arange(0,number_of_rows):
        f.writelines(str(i) + ',' + str(i) + ',' + str(np.square(i) + i) + '\n')
    f.close()


testdata_create_csv(from_number=11111,number_of_rows=10000,filename='houseprices.csv')
testdata_create_csv(from_number=0,number_of_rows=300,filename='evaluate.csv')

#######################################################################################

Я создаю CSV-файл с основными данными. 

##Import the data in dataframes
df_train = pd.read_csv('houseprices.csv',names=['a','b','target'])
df_evaluate = pd.read_csv('evaluate.csv',names=['a','b','target'])

Я хочу использоватькадр данных Pandas для всех определений столбцов 

##create Feature columns
feature_columns = []
feature_columns.append(tf.feature_column.numeric_column(key='a',dtype=tf.int64))
feature_columns.append(tf.feature_column.numeric_column(key='b',dtype=tf.int64))

, пытающийся использовать from_tensor_slices для создания набора данных 

##Define Input function
def input_fn(df,shuffle=False,batch_size=10):
    features = df.copy()
    labels = features.pop('target')
    dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
    if shuffle:
        # Shuffle, repeat, and batch the examples.
        dataset = dataset.shuffle(10000).repeat().batch(batch_size)
    dataset = dataset.batch(batch_size)
    return dataset

Определение модели с только столбцами элементов и без дополнительной информации 

##Create Model
model = tf.estimator.LinearRegressor(feature_columns=feature_columns)

##Train Model
model.train(input_fn=lambda:input_fn(df_train))

##Evaluate Model
model.evaluate(input_fn=lambda:input_fn(df_evaluate))
...