tensorflow做交叉验证遇到InvalidArgumentError

原代码的逻辑是train函数构造图,并训练。val_train函数只负责切分训练集。跑代码之后遇到

InvalidArgumentError: You must feed a value for placeholder tensor '*' with dtype float

后来发现是因为每次train函数都是在default_graph上修改,所以两次train的调用,使得sess重复使用了其内部的变量,并且之前定义的placeholder也没有被feed进值。解决方法是使得每次train函数内部都在其新建的Graph中修改构造图。代码如下:

with tf.Graph().as_default():

详情请参考tf.Graph


补充一些我个人的理解:对于我需要交叉验证的问题而言,其实我想要的是每个训练都是在各自单独的图上进行的。Session是进行资源调度分配的模块;Session可以调用Graph,然后按照Graph的路线和输入的数据进行相应的数据流动和更改;Graph里面定义的各种Variable和Operator;如果Graph没有显示定义(如with tf.Graph().as_default(): 就是指在接下来的部分使用一个新的Graph),那都是在session上的默认Graph上操作,即各种定义Variable, Placeholder等操作。那我的情况是多次交叉验证,每次训练都是在默认图上做的操作(构建模型),结果定义了好多个Placeholder等,就遇到了这个问题。解决方式就是文中提到的方式了。
接触tensorflow时间不长,多多指教啦。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
K折交叉验证是一种常用的模型评估方法,广泛应用于机器学习和深度学习中。其基本思想是将原始的训练集数据划分为K个较小的子集,然后依次选取其中一份作为验证集,其余的K-1份作为训练集,进行多次训练和评估,最终得到模型的平均评估结果。 在使用TensorFlow进行K折交叉验证时,一般有以下几个步骤: 1. 数据准备:将原始的训练集数据分为K个子集。 2. 模型搭建:使用TensorFlow构建模型,并设置好模型的超参数。 3. K折循环:依次选取其中一份作为验证集,其余的K-1份作为训练集,进行模型训练和评估。 4. 评估指标:选择适当的评估指标来衡量模型的性能,比如准确率、精确度、召回率等。 5. 模型融合:将K次训练得到的模型评估结果进行平均,得到最终的模型评估结果。 K折交叉验证的优点是可以更客观地评估模型的性能,减少了模型在特定数据集上过拟合的可能性。同时,由于采用了多次训练和验证,可以更充分地利用数据集,提高模型的泛化能力。 然而,K折交叉验证也有一些缺点,比如需要进行K次训练,计算时间较长。此外,如果数据集不够大,划分出来的子集可能会比较小,导致评估结果的可靠性降低。 总之,TensorFlow提供了便捷的接口和功能支持,可以轻松地实现K折交叉验证,并通过该方法更准确地评估模型的性能,提高模型的泛化能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值