我正在尝试实现提供高级api的tensorflow,特别是基线分类器。但是,当尝试训练模型时,我得到以下信息

错误:

NotFoundError (see above for traceback): Key baseline/bias not found in checkpoint
     [[Node: save/RestoreV2 = RestoreV2[dtypes=[DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_INT64], _device="/job:localhost/replica:0/task:0/device:CPU:0"](_arg_save/Const_0_0, save/RestoreV2/tensor_names, save/RestoreV2/shape_and_slices)]]


码:

import tensorflow as tf
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split

def digit_cross():
    # Number of classes, one class for each of 10 digits.
    num_classes = 10

    digit = datasets.load_digits()
    x = digit.data
    y = digit.target
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=.3, random_state=42)
    y_train_index = np.arange(y_train.size)

    train_input_fn = tf.estimator.inputs.numpy_input_fn(
        x={"x": np.array(x_train)},
        y=np.array(y_train),
        num_epochs=None,
        shuffle=False)

    # Build BaselineClassifier
    classifier = tf.estimator.BaselineClassifier(n_classes=num_classes,
                                                 model_dir="./checkpoints_tutorial17-1/")

    # Fit model.
    classifier.train(train_input_fn)

digit_cross()

最佳答案

看来您在model_dir="./checkpoints_tutorial17-1/"中有一个检查点,该检查点来自另一个模型,而不是来自BaselineClassifier。具体来说,该文件夹中有一个检查点文件和model.ckpt- *文件。

正如tensorflow记录的那样:


  
  model_dir:用于保存模型参数,图形等的目录。还可以用于将目录中的检查点加载到估计器中,以继续训练先前保存的模型。如果是PathLike对象,则路径将被解析。如果为None,则设置时将使用config中的model_dir。如果两者都设置,则必须相同。如果两者均为“无”,则将使用一个临时目录。
  


在这里,BaselineClassifier首先将建立一个使用baseline/bias的图形。然后发现model_dir中存在先前的检查点。它将尝试加载此检查点,并且您应该看到一条信息(如果已完成tf.logging.set_verbosity(tf.logging.INFO)),例如

"INFO:tensorflow:Restoring parameters from .../checkpoints_tutorial17-1\model.ckpt-..."


因为model_dir中的此检查点不是来自BaselineClassifier,所以不会具有baseline/biasBaselineClassifier找不到它,因此将引发错误。

08-20 00:13