如何在tensorflow中輸入數據學習驗證監視器？

我想通過將我的驗證集作爲numpy數組傳遞來在skflow中使用驗證監視器。如何在tensorflow中輸入數據學習驗證監視器？

下面是一些簡單的代碼來重現問題（我安裝的Ubuntu/Linux 64位所提供的二進制tensorflow，啓用GPU，的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)

的代碼運行，但只在第一驗證步驟是正確完成的，然後驗證總是返回相同的值，即使訓練實際上很好，可以通過在最後對測試集進行評估來檢查。每個驗證步驟也會出現以下消息。

INFO:tensorflow:Input iterator is exhausted.

任何幫助，歡迎！謝謝，大衛

來源

2016-07-21 dbikard

你的數據是什麼樣的？當您使用'every_n_steps'，'steps'和'batch_size'時，您需要多加註意。 –

我現在編輯我的問題來提供一個例子。我無法用'batch_size'和'steps'作爲關鍵字參數調用ValidationMonitor。我爲提供的Ubuntu/Linux 64位，支持GPU的Python 2.7提供的二進制文件安裝了tensorflow。也許最近更改了顯示器的代碼？ – dbikard

是的，它有很大的改變。請嘗試最新版本。 –

我能夠加入到解決這個問題： config=tf.contrib.learn.RunConfig(save_checkpoints_secs=1) 到DNNRegressor通話。

來源

2016-07-26 12:27:38 dbikard

提高對dbikard的解決方案：

添加config=tf.contrib.learn.RunConfig(save_checkpoints_steps=val_monitor._every_n_steps)到DNN Regressor呼叫來代替。

這樣可以在需要時（即每次觸發監視器之前）而不是每秒一次保存檢查點。

來源

2017-07-22 13:27:57 tinu

如何在tensorflow中輸入數據學習驗證監視器？

回答

相關問題