내 자신의 tf.Estimator를 구축하면 model_params가 model_dir을 어떻게 덮어 썼습니까? RuntimeWarning?

Question

최근에 저는 TFLearn을 사용하여 맞춤식 심 신경 망 모델을 만들었습니다. TFLearn은 scikit-learn estimator API에 대해 깊이 배워야한다고 주장합니다. 모델을 훈련하고 예측을 할 수는 있지만 점수 계산 기능을 사용할 수 없기 때문에 교차 검증을 할 수 없었습니다. 여러 곳에서 TFLearn에 대한 질문을 시도했지만 응답이 없습니다.

TensorFlow 자체에는 견적 클래스가있는 것으로 보입니다. 그래서 저는 TFLearn을 제쳐두고, https://www.tensorflow.org/extend/estimators에서 가이드를 따르려고합니다. 어떻게 든 그들은 그들이 속하지 않은 곳에서 변수를 얻는 것을 관리하고 있습니다. 누구든지 내 문제를 파악할 수 있습니까? 나는 코드와 출력을 올릴 것이다.

참고 : 물론 출력 맨 위에 RuntimeWarning이 표시됩니다. 나는 온라인에서이 경고에 대한 언급을 발견했지만, 지금까지 모든 사람들이 무해하다고 주장했다. 아마 ...하지

CODE :

import tensorflow as tf 
from my_library import Database, l2_angle_distance 


def my_model_function(topology, params): 

    # This function will eventually be a function factory. This should 
    # allow easy exploration of hyperparameters. For now, this just 
    # returns a single, fixed model_fn. 

    def model_fn(features, labels, mode): 

     # Input layer 
     net = tf.layers.conv1d(features["x"], topology[0], 3, activation=tf.nn.relu) 
     net = tf.layers.dropout(net, 0.25) 
     # The core of the network is here (convolutional layers only for now). 
     for nodes in topology[1:]: 
      net = tf.layers.conv1d(net, nodes, 3, activation=tf.nn.relu) 
      net = tf.layers.dropout(net, 0.25) 
     sh = tf.shape(features["x"]) 
     net = tf.reshape(net, [sh[0], sh[1], 3, 2]) 
     predictions = tf.nn.l2_normalize(net, dim=3) 

     # PREDICT EstimatorSpec 
     if mode == tf.estimator.ModeKeys.PREDICT: 
      return tf.estimator.EstimatorSpec(mode=mode, 
        predictions={"vectors": predictions}) 

     # TRAIN or EVAL EstimatorSpec 
     loss = l2_angle_distance(labels, predictions) 
     optimizer = tf.train.GradientDescentOptimizer(learning_rate=params["learning_rate"]) 
     train_op = optimizer.minimize(loss=loss, global_step=tf.train.get_global_step()) 
     return tf.estimator.EstimatorSpec(mode, predictions, loss, train_op) 

    return model_fn 

##=================================================================== 

window = "whole" 
encoding = "one_hot" 
db = Database("/home/bwllc/Documents/Files for ML/compact") 

traindb, testdb = db.train_test_split() 
train_features, train_labels = traindb.values(window, encoding) 
test_features, test_labels = testdb.values(window, encoding) 

# Create the model. 
tf.logging.set_verbosity(tf.logging.INFO) 
LEARNING_RATE = 0.01 
topology = (60,40,20) 
model_params = {"learning_rate": LEARNING_RATE} 
model_fn = my_model_function(topology, model_params) 
model = tf.estimator.Estimator(model_fn, model_params) 
print("\nmodel_dir? No? Why not? ", model.model_dir, "\n") # This documents the error 

# Input function. 
my_input_fn = tf.estimator.inputs.numpy_input_fn({"x" : train_features}, train_labels, shuffle=True) 

# Train the model. 
model.train(input_fn=my_input_fn, steps=20) 

OUTPUT

/usr/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.5 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6 
    return f(*args, **kwds) 
INFO:tensorflow:Using default config. 
INFO:tensorflow:Using config: {'_model_dir': {'learning_rate': 0.01}, '_tf_random_seed': None, '_save_summary_steps': 100, '_save_checkpoints_steps': None, '_save_checkpoints_secs': 600, '_session_config': None, '_keep_checkpoint_max': 5, '_keep_checkpoint_every_n_hours': 10000, '_log_step_count_steps': 100, '_service': None, '_cluster_spec': <tensorflow.python.training.server_lib.ClusterSpec object at 0x7f0b55279048>, '_task_type': 'worker', '_task_id': 0, '_master': '', '_is_chief': True, '_num_ps_replicas': 0, '_num_worker_replicas': 1} 

model_dir? No? Why not? {'learning_rate': 0.01} 

INFO:tensorflow:Create CheckpointSaverHook. 
Traceback (most recent call last): 
    File "minimal_estimator_bug_example.py", line 81, in <module> 
    model.train(input_fn=my_input_fn, steps=20) 
    File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/estimator/estimator.py", line 302, in train 
    loss = self._train_model(input_fn, hooks, saving_listeners) 
    File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/estimator/estimator.py", line 756, in _train_model 
    scaffold=estimator_spec.scaffold) 
    File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/basic_session_run_hooks.py", line 411, in __init__ 
    self._save_path = os.path.join(checkpoint_dir, checkpoint_basename) 
    File "/usr/lib/python3.6/posixpath.py", line 78, in join 
    a = os.fspath(a) 
TypeError: expected str, bytes or os.PathLike object, not dict 

------------------ 
(program exited with code: 1) 
Press return to continue 

어떻게 든 값에 바인딩 갔다 (I 기본값으로 왼쪽) 잘못 model_dir 정확히 볼 수 있습니다

나는 model_params를 의도했다. 어떻게 내 코드에서 이런 일이 일어 났습니까? 나는 그것을 볼 수 없다.

누군가에게 조언이나 제안 사항이 있으면 크게 감사 드리겠습니다. 감사!

Answer 1

을 구성 할 때 model_param을 model_dir으로 입력하기 만하면되기 때문입니다. tensorflow documentation에서

:

견적 __init__ 기능 : 두 번째 인수는 model_dir 하나의 방법

__init__(
    model_fn, 
    model_dir=None, 
    config=None, 
    params=None 
) 

알 수 있습니다. params 만 지정하려면 키워드 인수로 전달해야합니다.

model = tf.estimator.Estimator(model_fn, params=model_params) 

또는 지정 이전의 모든 위치 인수 :

model = tf.estimator.Estimator(model_fn, None, None, model_params)