tf.contrib.learn.LinearRegressor 的 fit 函数要求切换到 tf.train.get_global_step

Question

我正在尝试让LinearRegressor 工作，但我收到了一个似乎没有太多文档的错误。

当我这样做时：

regressor = tf.contrib.learn.LinearRegressor(feature_columns=linear_features)

regressor.fit(input_fn=training_input_fn, steps=10000)

regressor.evaluate(input_fn=eval_input_fn)

我得到错误：

更新说明：请切换到tf.train.get_global_step

我不知道如何继续。

我从文档中阅读：

不推荐使用某些参数。它们将在 2016-12-01 之后被删除。 更新说明：Estimator 与 Scikit Learn 解耦 通过移动到单独的类 SKCompat 来进行接口。参数 x、y 和 batch_size 仅在 SKCompat 类中可用，Estimator 将 只接受 input_fn。转换示例：est = Estimator(...) -> est = SKCompat(Estimator(...))

但我不确定我应该更改什么，或者如何切换到全局步骤。

我尝试使用tf.estimator.LinearRegressor 主要是因为我没有想法，并且做了这样的事情：

estimator = tf.estimator.LinearRegressor(feature_columns=linear_features)

estimator.train(input_fn=training_input_fn)
estimator.evaluate(input_fn=eval_input_fn)
estimator.predict(input_fn=eval_input_fn)

但根本没有输出。

Answer 1

更新说明：请切换到tf.train.get_global_step

其实这不是错误，而是警告。正是因为您正在使用 contrib 包而记录它（请参阅 this discussion，简短摘要：已弃用）。

您应该切换到核心 tf.estimator API，其中包括所有内容：

• tf.estimator.LinearRegressor 而不是 tf.contrib.learn.LinearRegressor
• tf.estimator.inputs.numpy_input_fn 而不是 tf.contrib.learn.io.numpy_input_fn
• tf.feature_column.numeric_column 而不是 tf.contrib.layers.real_valued_column
• ...

---

新的Estimator 看不到任何东西的原因可能是eval_input_fn 功能。请务必指定num_epochs=1，否则在评估期间它将一次又一次地循环数据集。