张量流中的分类器 partial_fit答案

【问题标题】：Classifer partial fit in tensorflow张量流中的分类器 partial_fit
【发布时间】：2016-08-16 02:34:03
【问题描述】：

我想使用 SKFLOW 来逐步完成 DNNClassifier 的拟合，不幸的是代码如下：

    step_classifier = skflow.DNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
    for _ in range(50):
      step_classifier = step_classifier.partial_fit(X, Y, steps =1 ,batch_size=32)
      score = metrics.accuracy_score(y, step_classifier.predict(x))
      print("Accuracy: %f" % score)

不会产生预期的结果——拟合的每次迭代都提供相同的精度：

   Accuracy: 0.315789
     Accuracy: 0.315789
     Accuracy: 0.315789
     Accuracy: 0.315789
   etc

似乎在这个 DNNClassifier 的先前版本中，即 TensorFlowDNNClassifier 有 continue_training 标志，会产生预期的效果。这在 DNNClassifier 中不可用。那么如何在 SKFLOW 中正确实施每个 epoch 的逐步训练呢？谢谢你

【问题讨论】：

标签： tensorflow skflow

【解决方案1】：

我希望这个答案会有所帮助，虽然有点晚了。
热线：
step_classifier = step_classifier.partial_fit(X, Y, steps =1 ,batch_size=32)
有作为参数steps = 1。并且您使用外循环多次调用此行。我怀疑每次调用这条线时，都会创建一个大小为 32 的迭代器小批量，并从第一个示例开始迭代每一步的数据。换句话说，既然你离开了steps =1，我怀疑你只在相同的 32 个第一个训练示例上训练你的决策模型，因为每次你调用step_classifier.partial_fit，迭代器都从第一个训练示例开始。例如，尝试将steps = 1 替换为steps = 100。

至于 epochs，我自己正在尝试找到一种方法……好吧，现在只需取值 steps = Ceiling(dataset size / mini batch size) * desiredEpochs 直到我们找到替代方法

【讨论】：