python - 无论classifier.fit中的步骤数如何，Tensorflow都将返回相同的精度

在classifier.fit函数中将步长从2000更改为1将返回相同的精度结果。我希望准确性结果会有所不同，有人可以告诉我为什么吗？

代码来自Tensorflow示例：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
import numpy as np
import tensorflow as tf

# Data sets
IRIS_TRAINING = os.path.join(os.path.dirname(__file__), "iris_training.csv")
IRIS_TEST = os.path.join(os.path.dirname(__file__), "iris_test.csv")

def main(unused_argv):
    # Load datasets.
    training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
        filename=IRIS_TRAINING, target_dtype=np.int, features_dtype=np.float32)

    test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
        filename=IRIS_TEST, target_dtype=np.int, features_dtype=np.float32)

    # Specify that all features have real-value data
    feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

    # Build 3 layer DNN with 10, 20, 10 units respectively.
    classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                                hidden_units=[10, 20, 10],
                                                n_classes=3,
                                                model_dir="/tmp/iris_model")

    # Fit model.
    classifier.fit(x=training_set.data,
                   y=training_set.target,
                   steps=1)

    # Evaluate accuracy.
    accuracy_score = classifier.evaluate(x=test_set.data,
                                         y=test_set.target)["accuracy"]
    print('Accuracy: {0:f}'.format(accuracy_score))

    # Classify two new flower samples.
    new_samples = np.array(
        [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
    y = list(classifier.predict(new_samples, as_iterable=True))
    print('Predictions: {}'.format(str(y)))

if __name__ == "__main__":
  tf.app.run()

最佳答案

原因很简单：您已定义分类器的model_dir参数。这是医生说的：


  model_dir：用于保存模型参数，图形等的目录。
  也用于将目录中的检查点加载到估计器中
  继续训练以前保存的模型。


多次运行模型时，它不会从头开始学习，而是从"/tmp/iris_model"获取先前的权重。

如果您想进行公平的测试，请删除此参数，您将看到小步长的精度下降而高步长的精度如何提高。

关于python - 无论classifier.fit中的步骤数如何，Tensorflow都将返回相同的精度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44468674/