Определение входной функции для предварительно сделанного оценщика TensorFlow - PullRequest
Новая
       9

Определение входной функции для предварительно сделанного оценщика TensorFlow

0 голосов
/ 15 июня 2019

Я пытаюсь использовать готовый оценщик tf.estimator.DNNClassifier для использования в наборе данных MNIST. Я загружаю набор данных из tensorflow_dataset.

Я выполняю следующие четыре шага: сначала строим конвейер набора данных и определяем функцию ввода: 

## Step 1
mnist, info = tfds.load('mnist', with_info=True)

ds_train_orig, ds_test = mnist['train'], mnist['test']

def train_input_fn(dataset, batch_size):
    dataset = dataset.map(lambda x:({'image-pixels':tf.reshape(x['image'], (-1,))}, 
                                    x['label']))
    return dataset.shuffle(1000).repeat().batch(batch_size)

Затем, на шаге 2, я определяю столбец объектов с помощью одной клавиши и форму 784: 

## Step 2:
image_feature_column = tf.feature_column.numeric_column(key='image-pixels',
                                                        shape=(28*28))

image_feature_column
NumericColumn(key='image-pixels', shape=(784,), default_value=None, dtype=tf.float32, normalizer_fn=None)

Шаг 3, я описал оценку следующим образом: 

## Step 3:
dnn_classifier = tf.estimator.DNNClassifier(
    feature_columns=image_feature_column,
    hidden_units=[16, 16],
    n_classes=10)

И, наконец, шаг 4, используя оценщик, вызвав метод .train(): 

## Step 4:
dnn_classifier.train(
    input_fn=lambda:train_input_fn(ds_train_orig, batch_size=32),
    #lambda:iris_data.train_input_fn(train_x, train_y, args.batch_size),
    steps=20)

Но это повторяется в следующей ошибке. Похоже, проблема возникла из набора данных. 

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-21-95736cd65e45> in <module>
      2 dnn_classifier.train(
      3     input_fn=lambda: train_input_fn(ds_train_orig, batch_size=32),
----> 4     steps=20)

~/anaconda3/envs/tf2.0-beta/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in internal_convert_to_tensor(value, dtype, name, as_ref, preferred_dtype, ctx, accept_symbolic_tensors, accept_composite_tensors)
   1183       graph = get_default_graph()
   1184       if not graph.building_function:
-> 1185         raise RuntimeError("Attempting to capture an EagerTensor without "
   1186                            "building a function.")
   1187       return graph.capture(value, name=name)

RuntimeError: Attempting to capture an EagerTensor without building a function.

1 Ответ

1 голос
/ 16 июня 2019

Я думаю, что построение графика становится странным, если вы загружаете набор данных tenorflow_datasets вне input_fn. Я следовал примеру руководства по миграции TF2.0, и это не дает ошибок. Обратите внимание, что я не проверял правильность модели, и вам придется немного изменить логику input_fn, чтобы получить функцию для eval. 

# Define the estimator's input_fn
def input_fn():
  datasets, info = tfds.load(name='mnist', with_info=True, as_supervised=True)
  mnist_train, mnist_test = datasets['train'], datasets['test']
  dataset = mnist_train
  dataset = mnist_train.map(lambda x, y:({'image-pixels':tf.reshape(x, (-1,))}, 
                                    y))
  return dataset.shuffle(1000).repeat().batch(32)


image_feature_column = tf.feature_column.numeric_column(key='image-pixels',
                                                        shape=(28*28))


dnn_classifier = tf.estimator.DNNClassifier(
    feature_columns=[image_feature_column],
    hidden_units=[16, 16],
    n_classes=10)


dnn_classifier.train(
    input_fn=input_fn,
    steps=200)

В этот момент я получаю кучу предупреждений об устаревании, но кажется, что оценщик обучен.

...