Python Tensorflow版本“1.1.0”SKCompat属性错误

我正在尝试使用TF1.1.0实现VGGnet，使用提供的MNIST CNN教程。我收到的错误消息是：

AttributeError: 'SKCompat' object has no attribute 'evaluate'

我的代码的这一部分抛出了AttributeError：

#create estimator
vggnet_classifier = learn.SKCompat(learn.Estimator(model_fn=vggnet_model, model_dir= "/tmp/vgg_net"))

# Set up logging for predictions
tensors_to_log = {"probabilities": "softmax_tensor"}
logging_hook = tf.train.LoggingTensorHook(tensors=tensors_to_log, every_n_iter=100)

#train model
vggnet_classifier.fit(
    x=X_train,
    y=y_train,
    batch_size=100,
    steps=2,
    monitors=[logging_hook])

# Configure the accuracy metric for evaluation
metrics = {
    "accuracy":
        learn.MetricSpec(metric_fn=tf.metrics.accuracy, prediction_key="classes"),}

# Evaluate the model and print results
eval_results = vggnet_classifier.evaluate(x=X_val, y=y_val, metrics=metrics)
print(eval_results)

我最初在learn.Estimator周围添加了SKCompat包装器，原因是出现了弃用警告，但我似乎找不到有关如何使用包装的估算器评估模型的任何信息。

我忘了声明：

loss = None
train_op = None

---

在我的vggnet_模型函数中，这似乎是错误的来源。删除learn.SKcompat会发出警告，但该模型现在训练良好，运行良好。

我想知道现在是否有任何优雅的解决方案。正如OP所指出的，使用SKCompat包装器可以避免警告，这似乎是将来要做的事情；但另一方面，求值函数以这种方式中断