tensorflow(4) 在tf.estimator中建立input函数

最新推荐文章于 2024-05-11 19:14:07 发布

lgy_keira

最新推荐文章于 2024-05-11 19:14:07 发布

阅读量6.4k

点赞数 1

分类专栏： tensorflow 文章标签：神经网络

本文链接：https://blog.csdn.net/u013608336/article/details/78031788

版权

本文介绍如何在TensorFlow的tf.estimator框架下构建input_fn，用于神经网络模型的数据输入。通过四种方法将特征数据转换为tensor，包括包装函数、固定参数的function对象、lambda表达式和tf.estimator.inputs。并以波士顿房价数据集为例，展示了神经网络模型的训练、评估和预测过程。

摘要由CSDN通过智能技术生成

标签： tensorflow

原文链接
 代码链接
上一篇我们看了使用tf.estimator直接构建一个DNN分类器，但是数据load进来之后，输入分类器之前，还要经过一个input_fn的函数。
这篇文章会教你怎么用input_fn来喂给一个神经网络回归器数据。

1.把feature data转换为tensor

如果你的feature/label数据是python array ，或者存在pandas dataframe 或者numpy array中，可以用下面的方法构建inputfn函数

pass inputfn data to your model

直接把input function作为参数输入train op，注意input fn是作为一个object 传入，而不是作为一个函数被调用，要不然会发生typeerror
即使要修改inputfn的参数，也不能这样用，有其他的方法

classifier.train(input_fn=my_input_fn, steps=2000) 正确
classifier.train(input_fn=my_input_fn(training_set), steps=2000) 错误

即inputfn在输入的时候不能调参，必须在定义的时候被设置到加载哪个数据集
若果不想重复定义，比如inputfntrain，inputfntest，inputfnevaluate
可以用以下四种方法

(1)、用一个包装函数

my_input_fn_training_set()，感觉也没简单多少

def my_input_fn(data_set):
  ...

def my_input_fn_training_set():
  return my_input_fn(training_set)

classifier.train(input_fn=my_input_fn_training_set, steps=2000)