python – 不推荐使用TensorFlowDNNClassifier类,但替换似乎不起作用？

在60,000(列车)和26,000(测试)上使用以下TF TF .9.0rc0以及145个编码列(1,0)的记录,试图预测1或0用于类别识别.

classifier_TensorFlow = learn.TensorFlowDNNClassifier(hidden_units=[10, 20, 10],n_classes=2, steps=100)
classifier_TensorFlow.fit(X_train, y_train.ravel())

我明白了：

WARNING:tensorflow:TensorFlowDNNClassifier class is deprecated. Please consider using DNNClassifier as an alternative.
Out[34]:TensorFlowDNNClassifier(steps=100, batch_size=32)

然后很快就取得了良好的效果：

score = metrics.accuracy_score(y_test,   classifier_TensorFlow.predict(X_test))
print('Accuracy: {0:f}'.format(score))
Accuracy: 0.923121

和：

print (metrics.confusion_matrix(y_test, X_pred_class))
[[23996   103]
[ 1992    15]]

但是当我尝试使用新建议的方法时：

classifier_TensorFlow = learn.DNNClassifier(hidden_units=[10, 20, 10],n_classes=2)

它挂起没有完成？它不会采取“步骤”参数？我没有收到任何错误消息或输出,所以没有太多的继续…任何想法或提示？文档有点“轻”？

解决方法:

我不认为这是一个bug,从DNNClassifier的源代码,我可以看出它的用法与TensorFlowDNNClassifier不同. DNNClassifier的构造函数没有步骤参数：

def __init__(self,
           hidden_units,
           feature_columns=None,
           model_dir=None,
           n_classes=2,
           weight_column_name=None,
           optimizer=None,
           activation_fn=nn.relu,
           dropout=None,
           config=None)

你可以看到here.相反,DNNClassifier从BaseEstimator继承的fit()方法现在有步骤param,请注意batch_size也是如此：

  def fit(self, x=None, y=None, input_fn=None, steps=None, batch_size=None,
          monitors=None):

对于“它挂起没有完成？”,在BaseEstimator的fit()方法的文档中解释说,如果步骤为None(默认情况下为值),模型将永远训练.

我仍然不明白为什么我想永远训练一个模型.我的猜测是,如果我们想要提前停止验证数据,创作者认为这种分类器更好,但正如我所说的只是我的猜测.

正如您所看到的,DNNClassifier没有给出任何反馈,因为已弃用
TensorFlowDNNClassifier,假设可以使用DNNClassifier的构造函数中存在的’config’参数设置反馈.所以你应该将一个runconfig对象作为配置传递,并且在这个对象的参数中你应该设置详细的参数,不幸的是我试着设置它以便我可以看到丢失的进度,但是没有那么幸运.

我建议你在他的博客here中看一下元唐的最新帖子,这是skflow的创建者之一,也就是学习.