Я пытаюсь настроить KNN с помощью API tf.estimator, создав собственный оценщик. У KNN нет концепции обучения, поэтому я просто хотел бы определить шаг прогнозирования.
Я пытался настроить его как:
def input_fn():
train_data = np.random.sample((100, 2))
data = tf.data.Dataset.from_tensor_slices(train_data)
return data
def model_fn(features, labels, mode, params, config):
k=10
distance = tf.reduce_sum(tf.abs(tf.subtract(features, tf.expand_dims(features, 1))), axis=2)
_, top_k_indices = tf.nn.top_k(tf.negative(distance), k=k)
return tf.estimator.EstimatorSpec(mode, predictions=top_k_indices)
run_config = tf.estimator.RunConfig(save_summary_steps=None,
save_checkpoints_secs=None)
estimator = tf.estimator.Estimator(model_fn, config=run_config)
next(estimator.predict(input_fn))
Но я получаю ошибку ValueError: Could not find trained model in model_dir: /tmp/tmpPGjIhN.
Я бы хотел, чтобы модель предсказывала без обучения, просто возвращая 10 ближайших соседей, как они определены в model_fn. Нам не нужно тренироваться для инициализации весов.