TensorFlow/Skslearn深度神经网络分类器类型错误

Question

我正试图根据TensorFlow目录中的示例构建一个深度神经网络分类器。示例的代码如下所示：

def main(unused_argv):
# Load dataset.
iris = learn.datasets.load_dataset('iris')
x_train, x_test, y_train, y_test =     cross_validation.train_test_split(
iris.data, iris.target, test_size=0.2, random_state=42)
# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
# Fit and predict.
classifier.fit(x_train, y_train, steps=200)
score = metrics.accuracy_score(y_test, classifier.predict(x_test))
print('Accuracy: {0:f}'.format(score)) 

我正在做完全相同的事情，只是我使用我的数据，这与虹膜数据(连续特征值和离散的0或1目标值)相同。我的数据示例如下：

G1           G2          G3         G4        Target
7.733347    6.933914    6.493334    5.31336         0
6.555225    6.924448    6.353376    5.568334        1
7.515558    6.326627    6.197123    5.565245        0
7.132243    6.733111    7.107221    5.681575        1

我正在用以下代码读取我的数据：

def extract_examples_labels(filepath):
data = pd.read_csv(filepath).as_matrix()
num_inputs = len(data[0])-1
data_examples = data[:,range(num_inputs)]
data_labels= data[:,len(data[0])-1]
return data_examples, data_labels

然后我做与TensorFlow示例完全相同的事情，但我使用我的数据。然而，我不断收到一个错误，上面写着：

ValueError：Target的dtype应为int32、int64或兼容。而是得到了dtype:"float64">

所以我认为这意味着，由于我的y_train是一个float，我需要将其转换为int，所以我使用

y_train = y_train.astype(int)

我确认它的类型为int64，并再次运行分类器，但得到以下错误：

ValueError:目标与给定信息不兼容。给定目标：Tensor("output:0"，shape=(？，)，dtype=int64)，所需签名：TensorSignature(dtype=tf.float64，shape=TensorShape([Dimension(None)])，is_sparse=False)

现在它说它想要一个浮动64。所以我很困惑我做错了什么。有什么建议或明显的错误吗？

Answer 1

经过一番挖掘，我找到了一个解决方案。如果您在TensorFlow软件包中查找以下目录：

tensorflow.contrib.learn.python.learn.datasets

您可以找到一个名为base.py的文件，该文件具有csv文件加载功能。基本上，我只是修改了名为load_csv的函数来接收我的文件。代码如下所示：

Dataset = collections.namedtuple('Dataset', ['data', 'target'])
Datasets = collections.namedtuple('Datasets', ['train', 'validation', 'test'])
def load_csv(filename, target_dtype, target_column=-1,    has_header=True):
"""Load dataset from CSV file."""
with gfile.Open(filename) as csv_file:
data_file = csv.reader(csv_file)
if has_header:
header = next(data_file)
n_samples = int(header[0])
n_features = int(header[1])
data = np.empty((n_samples, n_features))
target = np.empty((n_samples,), dtype=np.int)
for i, ir in enumerate(data_file):
target[i] = np.asarray(ir.pop(target_column), dtype=target_dtype)
data[i] = np.asarray(ir, dtype=np.float64)
else:
data, target = [], []
for ir in data_file:
target.append(ir.pop(target_column))
data.append(ir)
return Dataset(data=data, target=target)

因此，如果您看到上面的代码，我认为我遇到的问题是target_dtype属性。尽管我更改了目标数组的dtype，但我没有更改target_dtype属性，这使得它在TensorFlow检查签名时看起来不兼容。我的代码现在有效=。如果你有任何问题或可以进一步澄清，请随时回答！