Question

我正在尝试使用预制的估算器tf.estimator.DNNClassifier用于MNIST数据集。我从tensorflow_dataset加载数据集。

我执行以下四个步骤：首先构建数据集管道并定义输入函数：

## Step 1
mnist, info = tfds.load('mnist', with_info=True)

ds_train_orig, ds_test = mnist['train'], mnist['test']

def train_input_fn(dataset, batch_size):
    dataset = dataset.map(lambda x:({'image-pixels':tf.reshape(x['image'], (-1,))}, 
                                    x['label']))
    return dataset.shuffle(1000).repeat().batch(batch_size)

然后，在第2步中，我用一个键定义要素列，并将形状定为784：

## Step 2:
image_feature_column = tf.feature_column.numeric_column(key='image-pixels',
                                                        shape=(28*28))

image_feature_column
NumericColumn(key='image-pixels', shape=(784,), default_value=None, dtype=tf.float32, normalizer_fn=None)

第3步，我实例化了估算器，如下所示：

## Step 3:
dnn_classifier = tf.estimator.DNNClassifier(
    feature_columns=image_feature_column,
    hidden_units=[16, 16],
    n_classes=10)

最后，通过调用.train()方法，使用估算器进行第4步：

## Step 4:
dnn_classifier.train(
    input_fn=lambda:train_input_fn(ds_train_orig, batch_size=32),
    #lambda:iris_data.train_input_fn(train_x, train_y, args.batch_size),
    steps=20)

但这会重新出现以下错误。看来问题出在数据集上。

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-21-95736cd65e45> in <module>
      2 dnn_classifier.train(
      3     input_fn=lambda: train_input_fn(ds_train_orig, batch_size=32),
----> 4     steps=20)

~/anaconda3/envs/tf2.0-beta/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in internal_convert_to_tensor(value, dtype, name, as_ref, preferred_dtype, ctx, accept_symbolic_tensors, accept_composite_tensors)
   1183       graph = get_default_graph()
   1184       if not graph.building_function:
-> 1185         raise RuntimeError("Attempting to capture an EagerTensor without "
   1186                            "building a function.")
   1187       return graph.capture(value, name=name)

RuntimeError: Attempting to capture an EagerTensor without building a function.

Answer 1

我认为，如果在input_fn外部加载tensorflow_datasets数据集，则图形构造会变得很奇怪。我按照TF2.0迁移指南示例进行操作，但不会出现错误。请注意，我尚未测试模型的正确性，您将不得不稍微修改input_fn逻辑才能获得eval的功能。

# Define the estimator's input_fn
def input_fn():
  datasets, info = tfds.load(name='mnist', with_info=True, as_supervised=True)
  mnist_train, mnist_test = datasets['train'], datasets['test']
  dataset = mnist_train
  dataset = mnist_train.map(lambda x, y:({'image-pixels':tf.reshape(x, (-1,))}, 
                                    y))
  return dataset.shuffle(1000).repeat().batch(32)


image_feature_column = tf.feature_column.numeric_column(key='image-pixels',
                                                        shape=(28*28))


dnn_classifier = tf.estimator.DNNClassifier(
    feature_columns=[image_feature_column],
    hidden_units=[16, 16],
    n_classes=10)


dnn_classifier.train(
    input_fn=input_fn,
    steps=200)

在这一点上，我收到了一堆弃用警告，但是似乎估算器已经过训练。

Answer 2

@dgumo的回答是正确的。我只想添加一个基本示例。

输入函数返回的所有张量必须在输入函数内创建。

#Raw data can be outside
data_x = [0.0, 1.0, 2.0, 3.0, 4.0]
data_y = [3.0, 4.9, 7.3, 8.65, 10.75]

def supply_input():
  #Tensors must be created inside the function
  train_x = tf.constant(data_x)
  train_y = tf.constant(data_y)

  feature = {
      'x': train_x
  }

  return feature, train_y

定义TensorFlow预制估算器的输入功能

2 个答案: