向 tf.estimator 提供时间数据：`input_fn` 必须是可调用的答案

【问题标题】：Feeding time data to tf.estimator: `input_fn` must be callable向 tf.estimator 提供时间数据：`input_fn` 必须是可调用的
【发布时间】：2020-06-11 17:43:27
【问题描述】：

目标

我想 mod this tutorial 使用 this time series dataset 而不是普通的图像数据。

方法

我已经确定了几种将数据导入tf.estimator API 的方法。最方便的（因为使用.from_generator 是猜测......）是使用tf.data.Dataset.from_tensor_slices(training_data_ndarray) 如下：

trnX, trnY, tstX, tstY = load_dataset()
trnXl = trnX.tolist()
tstXl = tstX.tolist()
tstYl = tstY.tolist()
trnYl = trnY.tolist()
trndataset = tf.data.Dataset.from_tensor_slices((trnXl, trnYl))
tstdataset = tf.data.Dataset.from_tensor_slices((tstXl, tstYl))
...
def _input_fn(partition):
    if partition == "train":
        dst = trndataset
    elif partition == "predict":
        dst = tstdataset
    else:
        dst = tstdataset

    return dst

错误/问题

TypeError: input_fn 必须是可调用的，给定：DatasetV1Adapter 形状：((128, 9), (6,))，类型：(tf.float32, tf.float32)>

复制

我使用纸空间实例。如果您有帐户，可以查看here。

如果没有，请获取full code in this gist:。
来自2的数据集。

设置：

张量流 1.15
Python 3.6.8
急切执行：关闭（adanet 库不会处理它）。

调用时出现错误：

tf.estimator.train_and_evaluate(
estimator,
train_spec=tf.estimator.TrainSpec(
    input_fn=_input_fn("train"),
    max_steps=TRAIN_STEPS),
eval_spec=tf.estimator.EvalSpec(
    input_fn=_input_fn("test"),
    steps=None,
    start_delay_secs=1,
    throttle_secs=1,  
))

现在怎么办？

我认为使用创建 tf.data.Dataset 的方法没有前进的道路，因为输入函数（“创建返回数据集的输入函数”）似乎不正确。

【问题讨论】：

标签： python tensorflow tensorflow-datasets tensorflow-estimator automl

【解决方案1】：

这可能对将来的某人有所帮助，但并不能解决我更深层次的问题。

为了使 input_fn 可调用但仍接受参数，有两种选择：将函数调用包装在 lambda 运算符中或将实际 input_fn 包装在另一个返回内部函数的 input_fn 中。

classifier.train(
input_fn=lambda: input_fn(train, train_y, training=True),
steps=5000)

请注意，您将 input_fn 调用包装在 lambda 中以捕获参数，同时提供不带参数的输入函数，正如 Estimator 所期望的那样

来源：https://www.tensorflow.org/tutorials/estimator/premade

【讨论】：