Python 警告：tensorflow:create_partitioned_变量已弃用

我收到这个

警告

警告：tensorflow:create_partitioned_变量已弃用。将tf.get_变量与分区器集或tf.get_partitioned_variable_列表一起使用

我没有使用函数

create\u partitioned\u variables

我使用的是

tensorflow.\uuuuu版本\uuuuu0.9.0

解决此

警告

如果将tensorflow与pandas/numpy一起安装，则应该能够复制并粘贴此代码

安装程序

当我运行时出现警告

：

model_dir = tempfile.mkdtemp()
m = tf.contrib.learn.LinearClassifier(feature_columns=wide_columns, model_dir=model_dir)

m.fit(input_fn=train_input_fn, steps=200)

results = m.evaluate(input_fn=eval_input_fn, steps=1)
for key in sorted(results):
    print("%s: %s" % (key, results[key]))

如果我改为运行此命令：

model_dir = tempfile.mkdtemp()
m = tf.contrib.learn.LinearClassifier(feature_columns=wide_columns[:-1], model_dir=model_dir)
# removing last feature columns which is categorical using [:-1]  ^^^^^

m.fit(input_fn=train_input_fn, steps=200)

results = m.evaluate(input_fn=eval_input_fn, steps=1)
for key in sorted(results):
    print("%s: %s" % (key, results[key]))

我没有错误

accuracy: 0.45
eval_auc: 0.459596
loss: 0.771354

结论

---

我把范围缩小到使用使用

创建的分类功能。带关键字的稀疏列
但是我应该怎么做？
基本上
带关键字的稀疏列
使用
创建分区变量（）
进行初始化，但是在
创建分区变量（）
类中，他们抛出了一个警告，基本上是说
create\u partitioned\u variables（）
不再是创建分区变量的公认方式。相反，您可以使用
get\u variable（）
函数

如果您转到
tensorflow/contrib/layers/python/layers
，并打开_feature\u column.py\u，您会发现带_键的
sparse\u column\u的嵌入使用
创建分区变量（）。要解决此问题，请导入
get\u variable函数（从tensorflow.python.ops.variable\u scope import get\u variable导入
），然后使用
get\u variable（）而不是
create\u partitioned\u variables（）来定义变量
embeddings
（最初应使用
create\u partitioned\u variables（）
）
。不过，我认为警告并不重要。
我不使用
.sparse\u column\u和\u键
，但我使用
.sparse\u column\u和\u hash\u bucket
得到同样的警告。
accuracy: 0.45
eval_auc: 0.459596
loss: 0.771354