TensorFlow 0.12 samouczki generują ostrzeżenie: "Ranga wejściowego Tensora powinna być taka sama jak output_rank dla kolumny

Question

Mam pewne doświadczenie w pisaniu programów uczących się maszyn w Pythonie, ale jestem nowy w TensorFlow i sprawdzam to. jest 64-bitową maszyną wirtualną lubaduu 14.04, w którym stworzyłem środowisko condon python 3.5 z minicondi i zainstalowałem TensorFlow 0.12 i jego zależności Zacząłem próbować uruchomić przykładowy kod z samouczków TensorFlow i napotkałem to ostrzeżenie, dzwoniąc pod numer fit() w bostonie .py przykładem funkcji wejściowych. source

UWAGA: tensorflow: Rank Tensor wejściowego (1) powinny być takie same jak output_rank (2) kolumna. Będzie próbował rozszerzyć dims. Jest wysoce zalecane, aby zmienić rozmiar danych wejściowych, ponieważ takie zachowanie może się zmienić.

Po pewnym wyszukiwania w Google, znalazłem inni napotkał ten sam ostrzeżenie:

• https://github.com/tensorflow/tensorflow/issues/6184
• https://github.com/tensorflow/tensorflow/issues/5098
• Tensorflow - Boston Housing Data Tutorial Errors

one jednak również doświadczeni błędy, które uniemożliwiają wykonanie kodu od ukończenia. W moim przypadku kod wykonuje się z powyższym ostrzeżeniem. Niestety, nie znalazłem w tych linkach jednej odpowiedzi na pytanie, co spowodowało ostrzeżenie i jak naprawić ostrzeżenie. Wszyscy skupili się na błędzie. Jak usunąć ostrzeżenie? A może ostrzeżenie jest bezpieczne do zignorowania?

Pozdrawiam!

Dodatkowe informacje, widzę również następujące ostrzeżenia podczas uruchamiania powyższego przykładu boston.py.

UWAGA: tensorflow: **************************************** *************** OSTRZEŻENIE: tensorflow: format punktu kontrolnego V1 TensorFlow został uznany za przestarzały w stosunku do . OSTRZEŻENIE: tensorflow: Rozważ przejście na bardziej wydajny format V2: OSTRZEŻENIE: tensorflow:
'tf.train.Saver (write_version = tf.train.SaverDef.V2)' OSTRZEŻENIE: tensorflow: domyślnie włączony. OSTRZEŻENIE: tensorflow: **************************************** **********

i

UWAGA: tensorflow: Od /home/kade/miniconda3/envs/tensorflow/lib/python3.5/site-packages/ tensorflow/contrib/nauczyć/python/nauczyć/estymatory/dnn_linear_combined.py: 1053 w przewidzenia .: nazywając BaseEstimator.predict (od tensorflow.contrib.learn.python.learn.estimators.estimator) z X jest przestarzała i będzie zostaną usunięte po 2016-12-01. Instrukcje dotyczące aktualizacji : Estimator jest odłączony od interfejsu Scikit Learn, przenosząc do oddzielnej klasy SKCompat. Argumenty x, y i batch_size są dostępne tylko w klasie SKCompat, a Estimator akceptuje tylko input_fn. Przykładowa konwersja: est = Estimator (...) -> est = SKCompat (Estimator (...))

UPDATE (22.12.2016): mam śledzone ostrzeżenie do tego pliku: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/layers/python/layers/feature_column_ops.py

i tego bloku kodu:

except NotImplementedError: 
    with variable_scope.variable_scope(
     None, 
     default_name=column.name, 
     values=columns_to_tensors.values()): 
     tensor = column._to_dense_tensor(transformed_tensor) 
     tensor = fc._reshape_real_valued_tensor(tensor, 2, column.name) 
     variable = [ 
      contrib_variables.model_variable(
       name='weight', 
       shape=[tensor.get_shape()[1], num_outputs], 
       initializer=init_ops.zeros_initializer(), 
       trainable=trainable, 
       collections=weight_collections) 
     ] 
     predictions = math_ops.matmul(tensor, variable[0], name='matmul') 

Zanotuj linia: tensor = fc._reshape_real_valued_tensor(tensor, 2, column.name)

Podpis metody: _reshape_real_valued_tensor(input_tensor, output_rank, column_name=None)

Wartość jest zakodowana jako wartość output_rank, ale przykład boston.py przechodzi w input_tensor 1. pozycji. Będę kontynuować dochodzenie.

Answer 1

Jeśli podasz swój kształt tensora extenso:

tf.constant(df[k].values, shape=[df[k].size, 1]) 

ostrzeżenie powinien odejść.

Answer 2

Po wyraźnym określeniu kształtu tensora.

continuous_cols = {k: tf.constant(df[k].values, shape=[df[k].size, 1]) for k in CONTINUOUS_COLUMNS} 

Działa!