Machine learning 如何在TensorFlow 1.0中为估算器使用ValidationMonitor？

TensorFlow提供了将ValidationMonitors与几个预定义估计器（如tf.contrib.learn.DNNClassifier）相结合的可能性。 但是我想为我自己的估计器使用ValidationMonitor，我是基于它创建的

对于我自己的估计器，我首先初始化ValidationMonitor：

validation_monitor = tf.contrib.learn.monitors.ValidationMonitor(testX,testY,every_n_steps=50)

estimator = tf.contrib.learn.Estimator(model_fn=model,model_dir=direc,config=tf.contrib.learn.RunConfig(save_checkpoints_secs=1))

input_fn = tf.contrib.learn.io.numpy_input_fn({"x": x}, y, 4, num_epochs=1000)

这里我通过了监视器，如tf.contrib.learn.DNNClassifier:

estimator.fit(input_fn=input_fn, steps=1000,monitors=[validation_monitor])

此操作失败，并打印了以下错误：

ValueError:功能与给定信息不兼容。给定特征：张量（“输入：0”，形状=（？，1），dtype=float64），所需签名：{'x'：张量签名（dtype=tf.float64，形状=TensorShape（[Dimension（None）]），is_sparse=False）}

我如何为自己的估计器使用监视器？

---

谢谢。

当将包含testX和testY的输入传递给ValidationMonitor而不是直接传递张量testX和testY时，问题就解决了。

请注意，您的错误是由于ValidationMonitor希望x是类似于

{'feature\u name\u as\u string'：feature\u tensor}

的字典造成的，在您的

input\u fn中，

是通过调用

tf.contrib.learn.io.numpy\u input\u fn（…）

在内部完成的

有关如何构建功能词典的更多信息，请参见