无论分类器.fit 中的步数如何，Tensorflow 都会返回相同的准确度答案

【问题标题】：Tensorflow returns same accuracy regardless of number of steps in classifier.fit无论分类器.fit 中的步数如何，Tensorflow 都会返回相同的准确度
【发布时间】：2017-06-10 01:31:20
【问题描述】：

在classifier.fit 函数中将步长从 2000 更改为 1 会返回相同的精度结果。我希望准确度结果会有所不同，有人可以告诉我为什么吗？

代码来自 Tensorflow 示例：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
import numpy as np
import tensorflow as tf

# Data sets
IRIS_TRAINING = os.path.join(os.path.dirname(__file__), "iris_training.csv")
IRIS_TEST = os.path.join(os.path.dirname(__file__), "iris_test.csv")

def main(unused_argv):
    # Load datasets.
    training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
        filename=IRIS_TRAINING, target_dtype=np.int, features_dtype=np.float32)

    test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
        filename=IRIS_TEST, target_dtype=np.int, features_dtype=np.float32)

    # Specify that all features have real-value data
    feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

    # Build 3 layer DNN with 10, 20, 10 units respectively.
    classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                                hidden_units=[10, 20, 10],
                                                n_classes=3,
                                                model_dir="/tmp/iris_model")

    # Fit model.
    classifier.fit(x=training_set.data,
                   y=training_set.target,
                   steps=1)

    # Evaluate accuracy.
    accuracy_score = classifier.evaluate(x=test_set.data,
                                         y=test_set.target)["accuracy"]
    print('Accuracy: {0:f}'.format(accuracy_score))

    # Classify two new flower samples.
    new_samples = np.array(
        [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
    y = list(classifier.predict(new_samples, as_iterable=True))
    print('Predictions: {}'.format(str(y)))

if __name__ == "__main__":
  tf.app.run()

【问题讨论】：

我刚刚运行了这个例子，它运行正常。步长 2000 的精度为 0.96666664。

标签： python machine-learning tensorflow neural-network deep-learning

【解决方案1】：

原因很简单：你定义了分类器的model_dir 参数。文档是这样说的：

model_dir：保存模型参数、图形等的目录。这个可以也可用于将检查点从目录加载到估算器中继续训练之前保存的模型。

当您多次运行模型时，它不会从头开始学习，而是从 "/tmp/iris_model" 获取之前的权重。

如果你想做一个公平的测试，去掉这个参数，你会看到小步的准确率是如何下降的，而步长是高的。

【讨论】：