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

【问题标题】：TensorFlowDNNClassifier class is deprecated but replacement does not seem to work?TensorFlowDNNClassifier 类已弃用，但替换似乎不起作用？
【发布时间】：2023-04-10 20:50:01
【问题描述】：

在 60,000（训练）和 26,000（测试）上使用以下 TF .9.0rc0 和 145 个编码列 (1,0) 来预测 1 或 0 以进行类识别。

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

我明白了：

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

然后很快就得到了很好的结果：

score = metrics.accuracy_score(y_test,   classifier_TensorFlow.predict(X_test))
print('Accuracy: {0:f}'.format(score))
Accuracy: 0.923121

还有：

print (metrics.confusion_matrix(y_test, X_pred_class))
[[23996   103]
[ 1992    15]]

但是当我尝试使用新的建议方法时：

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

它没有完成就挂起？它不会采用“步骤”参数吗？我没有收到任何错误消息或输出，所以没有太多可继续的...有什么想法或提示吗？文档有点“轻”？

【问题讨论】：

抱歉，您遇到了问题，从描述来看，这似乎是一个错误。你能把这个提交到github.com/tensorflow/tensorflow/issues 吗？
很抱歉，我无法提供完整的测试用例，但提供了大量的道具数据

标签： python tensorflow skflow

【解决方案1】：

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steps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 steps 参数，请注意 batch_size 也会发生同样的情况：

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

对于“它没有完成就挂起？”，在BaseEstimator的fit()方法的文档中解释了如果steps是None（作为默认值），模型将永远训练。

我仍然不明白为什么我想永远训练一个模型。我的猜测是，如果我们想提前停止验证数据，创建者认为这种方式更适合分类器，但正如我所说的，这只是我的猜测。

正如您所见，DNNClassifier 没有提供任何反馈，因为已弃用 TensorFlowDNNClassifier，假设可以使用 DNNClassifier 的构造函数中存在的“config”参数设置反馈。所以你应该传递一个RunConfig对象作为config，并且在这个对象的params中你应该设置verbose param，不幸的是我试图设置它以便我可以看到丢失的进度，但没有那么幸运。

我建议你看看袁唐在他的博客here 中的最新帖子，他是skflow 的创建者之一，又名tf learn。

【讨论】：

【解决方案2】：

我刚刚遇到了类似的问题@Ismael 答案是正确的。我只是想添加到现在分类器.fit() 具有该参数行为不同的 steps 参数的信息。它不会提前中止。还有另一个参数称为 max_steps。这相当于 TensorFlowDNNClassifier 的原始 steps 参数。

简而言之，只需在 fit() 上使用 max_steps 参数，如下所示：

classifier = skflow.DNNClassifier(...)
classifier.fit(X_train, y_train, max_steps=3000)

【讨论】：