python - TensorFlowDNNClassifier类已弃用，但替换似乎不起作用？

将以下内容与TF .9.0rc0分别用于60,000（火车）和26,000（测试）的记录有关，其中包含145个编码列（1,0），试图为类标识预测1或0。

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

我得到：

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

然后很快就会取得好结果：

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]]

但是当我尝试使用建议的新方法时：

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

它挂起来没有完成？它不会采用“步骤”参数吗？我没有收到任何错误消息或输出，因此没有太多继续操作...任何想法或提示吗？该文档有点“轻巧？”

最佳答案

我不认为这是一个错误，从DNNClassifier的源代码中，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)

如您所见，here。取而代之的是DNNClassifier从BaseEstimator继承的fit（）方法现在具有步骤param，请注意，batch_size也会发生相同的情况：

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

对于“它没有完成而挂起？”，在BaseEstimator的fit（）方法的文档中说明，如果steps是None（默认值为该值），则该模型将永远训练。

我仍然不明白为什么我想永远训练模型。我的猜测是，如果我们希望尽早停止验证数据，创建者会认为这种方法对分类器更好，但正如我所说的只是我的猜测。

如您所见，由于弃用了DNNClassifier，所以没有给出任何反馈
TensorFlowDNNClassifier，假设可以使用DNNClassifier构造函数中存在的“ config”参数来设置反馈。因此，您应该将RunConfig对象作为config传递，并且在该对象的参数中，您应该设置详细的参数，不幸的是，我尝试对其进行设置，以便可以看到丢失的进度，但并没有那么幸运。

我建议您在他的博客here中看一下原源的最新帖子，他是skflow的创建者之一，又名tf learning。

关于python - TensorFlowDNNClassifier类已弃用，但替换似乎不起作用？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/37712723/