TensorFlowDNNClassifier类已被弃用，但替换似乎不起作用？

问题内容：

对60,000（train）和26,000（test）的TF .9.0rc0使用以下内容时，大约有145个编码列（1,0）的记录试图预测1或0进行类标识。

classifier_TensorFlow = learn.TensorFlowDNNClassifier(hidden_units=[10, 20, 10],n_classes=2, steps=100)
classifier_TensorFlow.fit(X_train, y_train.ravel())

我得到：

WARNING:tensorflow:TensorFlowDNNClassifier class is deprecated. Please consider using DNNClassifier as an alternative.
Out[34]:TensorFlowDNNClassifier(steps=100, batch_size=32)

然后很快就会取得好结果：

score = metrics.accuracy_score(y_test,   classifier_TensorFlow.predict(X_test))
print('Accuracy: {0:f}'.format(score))
Accuracy: 0.923121

和：

print (metrics.confusion_matrix(y_test, X_pred_class))
[[23996   103]
[ 1992    15]]

但是当我尝试使用新的建议方法时：

classifier_TensorFlow = learn.DNNClassifier(hidden_units=[10, 20, 10],n_classes=2)

它挂没有完成？它不会采用“步骤”参数吗？我没有收到任何错误消息或输出，因此没有太多内容继续下去…有什么想法或提示吗？该文档有点“轻巧？”

问题答案：

我不认为这是一个错误，从DNNClassifier的源代码中，我可以看出它的用法与TensorFlowDNNClassifier不同。DNNClassifier的构造函数没有步骤参数：

def __init__(self,
           hidden_units,
           feature_columns=None,
           model_dir=None,
           n_classes=2,
           weight_column_name=None,
           optimizer=None,
           activation_fn=nn.relu,
           dropout=None,
           config=None)

正如你可以看到这里。取而代之的是，DNNClassifier继承自BaseEstimator的fit（）方法现在具有步骤param，请注意，batch_size也会发生相同的情况：

  def fit(self, x=None, y=None, input_fn=None, steps=None, batch_size=None,
          monitors=None):

对于“它没有完成而挂起？”，在BaseEstimator的fit（）方法的文档中说明，如果steps为None（作为默认值），则模型将永远训练。

我仍然不明白为什么我想永远训练模型。我的猜测是，如果我们希望尽早停止验证数据，创建者会认为这种方式对分类器更好，但正如我所说的只是我的猜测。

如您所见，DNNClassifier不会像已过时的TensorFlowDNNClassifier一样提供任何反馈，这是假定可以使用DNNClassifier构造函数中存在的“
config”参数来设置反馈。因此，您应该将RunConfig对象作为config传递，并且在该对象的参数中，您应该设置详细的参数，不幸的是，我尝试对其进行设置，以便可以看到丢失的进度，但并没有那么幸运。

我建议您在他的博客中查看Yuan
Tang的最新帖子，他是skflow的创建者之一，又名tf learning。

TensorFlowDNNClassifier类已被弃用，但替换似乎不起作用？

微信关注