【发布时间】:2016-07-21 09:41:15
【问题描述】:
我正在尝试通过将我的验证集作为 numpy 数组传递来在 skflow 中使用验证监视器。
这里是一些重现问题的简单代码(我从提供的 Ubuntu/Linux 64 位二进制文件中安装了 tensorflow,启用了 GPU,Python 2.7):
import numpy as np
from sklearn.cross_validation import train_test_split
from tensorflow.contrib import learn
import tensorflow as tf
import logging
logging.getLogger().setLevel(logging.INFO)
#Some fake data
N=200
X=np.array(range(N),dtype=np.float32)/(N/10)
X=X[:,np.newaxis]
Y=np.sin(X.squeeze())+np.random.normal(0, 0.5, N)
X_train, X_test, Y_train, Y_test = train_test_split(X, Y,
train_size=0.8,
test_size=0.2)
val_monitor = learn.monitors.ValidationMonitor(X_test, Y_test,early_stopping_rounds=200)
reg=learn.DNNRegressor(hidden_units=[10,10],activation_fn=tf.tanh,model_dir="tmp/")
reg.fit(X_train,Y_train,steps=5000,monitors=[val_monitor])
print "train error:", reg.evaluate(X_train, Y_train)
print "test error:", reg.evaluate(X_test, Y_test)
代码运行,但只有第一个验证步骤正确完成,然后验证总是返回相同的值,即使训练实际上进行得很好,这可以通过在最后对测试集运行评估来检查。每个验证步骤还会显示以下消息。
INFO:tensorflow:Input iterator is exhausted.
欢迎任何帮助! 谢谢, 大卫
【问题讨论】:
-
您的数据是什么样的?使用时需要注意
every_n_steps、steps、batch_size。 -
我现在编辑了我的问题以提供一个示例。我不能用
batch_size和steps作为关键字参数调用ValidationMonitor。我从提供的 Ubuntu/Linux 64 位、启用 GPU、Python 2.7 的二进制文件中安装了 tensorflow。可能是最近更改了监视器的代码? -
是的,它发生了很大变化。请尝试最新版本。
-
我现在已经从源代码构建了 tensorflow,但我仍然遇到了同样的问题。我现在在日志中收到这条消息:
INFO:tensorflow:Skipping evaluation due to same checkpoint tmp/model.ckpt-0-?????-of-00001 for step 200 as for step 100.
标签: python-2.7 tensorflow deep-learning skflow