Python tensorflow线性或增强树训练失败；分析消息时出错"；

我试图通过TF 2.0运行一个与这里的示例基本相同的示例：除了以下事实：

我的数组更大，63319行x 7330列，而不是627行和9列

我没有分类列，只有数字列

我的许多列名都相当长（可能是50个字符，不是那么长！）

如示例中所示，数据来自pandas数据帧，具有int标签等。我的数据中没有nan或inf

如果我尝试在数据上训练线性分类器或增强树分类器，我最终会得到

google.protobuf.message.DecodeError: Error parsing message

最后提到的文件是

File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py", line 3211, in _as_graph_def
    graph.ParseFromString(compat.as_bytes(data))

有什么想法吗？我在Ubuntu 18.04和MacOS 10.15.6上看到了相同的行为。Ubuntu是Python 3.6.9、TF2.3.0和protobuf 3.13.0。Mac是Python 3.8.3、TF2.3.0和protobuf 3.12.3

我可以做一些事情来追踪这一点，比如逐渐缩小数据集直到错误消失，更改列标题，等等，但这些都是中度痛苦的，似乎不太可能产生有用的信息

非常感谢

错误的完整回溯（格式有点令人不快；我希望可以）：

文件“”，第1行，在
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow_estimator/python/estimator/estimator.py”，第349行，列车中
损失=自我训练模型（输入、挂钩、保存侦听器）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow_estimator/python/estimator/estimator.py”，第1175行，列车模型
返回self.\u train\u model\u default（输入\u fn、挂钩、保存\u侦听器）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow\u estimator/python/estimator/estimator.py”，第1208行，默认模式
保存（侦听器）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow\u estimator/python/estimator/estimator.py”，第1507行，带\u estimator\u规范
log_step_count_steps=log_step_count_steps）作为mon sess：
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/training/monitored_session.py”，第604行，在MonitoredTrainingSession中
停止\宽限期\秒=停止\宽限期\秒）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/training/monitored_session.py”，第1038行，在
停止\宽限期\秒=停止\宽限期\秒）
文件“/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/training/monitored\u session.py”，第737行，在
h、 开始
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/training/basic_session_run_hooks.py”，第563行，在begin中
self.\u summary\u writer=SummaryWriterCache.get（self.\u checkpoint\u dir）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/summary/writer/writer_cache.py”，get中的第63行
logdir，graph=ops.get\u default\u graph（））
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/summary/writer/writer.py”，第371行，在
超级（文件编写器，自身）。\uuuu初始化（事件编写器，图形，图形定义）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/summary/writer/writer.py”，第84行，在
self.add_graph（graph=graph，graph_def=graph_def）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/summary/writer/writer.py”，第194行，在添加图中
true\u graph\u def=graph.as\u graph\u def（add\u shapes=true）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/framework/ops.py”，第3294行，如图所示
结果，u=self._作为_图形_定义（从_版本，添加_形状）
文件“/home/ginsberg/.local/lib/python3.6/site packages/tensorflow/python/framework/ops.py”，第3211行，如图所示
graph.ParseFromString（compat.as_字节（数据））
google.protobuf.message.DecodeError:解析消息时出错

---

产生错误的代码只是est.train（train_input_fn，max_steps=100），就像示例中一样（train_input_fn也是示例的副本）。数组大小如上所述；X是63319 X 7330，Y是63319 X 1。

您可以添加完整的错误回溯、尝试过的代码以及X和Y的形状吗？虽然很难看，但已完成。就像在示例页面上一样，真的。完整跟踪很难看，但可能会有帮助。我也用随机输入运行过它，用浮点数得到了相同的崩溃，但它对int有效！碰撞发生在图形构建过程中；有问题的机器上有足够的内存，而且GPU在图形生成之前不会被使用，所以这不是问题。代码仍在我这边运行。我发布的代码使用的是float32数据类型。您发布的代码有x=。。。dtype=np.int16，因此x值是介于0和99之间（包括0和99）的随机整数。这对我很有用。如果x值是浮动的，那么它就不起作用了。你能添加错误的完整回溯吗？试过的代码以及x和Y的形状？虽然很难看，但已经完成了。就像在示例页面上一样，真的。完整跟踪很难看，但可能会有帮助。我也用随机输入运行过它，用浮点数得到了相同的崩溃，但它对int有效！碰撞发生在图形构建过程中；有问题的机器上有足够的内存，而且GPU在图形生成之前不会被使用，所以这不是问题。代码仍在我这边运行。我发布的代码使用的是float32数据类型。您发布的代码有x=。。。dtype=np.int16，因此x值是介于0和99之间（包括0和99）的随机整数。这对我很有用。如果x值是浮动的，则它不起作用。

File "<stdin>", line 1, in <module>  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow_estimator/python/estimator/estimator.py", line 349, in train  
    loss = self._train_model(input_fn, hooks, saving_listeners)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow_estimator/python/estimator/estimator.py", line 1175, in _train_model  
    return self._train_model_default(input_fn, hooks, saving_listeners)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow_estimator/python/estimator/estimator.py", line 1208, in _train_model_default  
    saving_listeners)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow_estimator/python/estimator/estimator.py", line 1507, in _train_with_estimator_spec  
    log_step_count_steps=log_step_count_steps) as mon_sess:  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py", line 604, in MonitoredTrainingSession  
    stop_grace_period_secs=stop_grace_period_secs)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py", line 1038, in __init__  
    stop_grace_period_secs=stop_grace_period_secs)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py", line 737, in __init__  
    h.begin()  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/training/basic_session_run_hooks.py", line 563, in begin  
    self._summary_writer = SummaryWriterCache.get(self._checkpoint_dir)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/summary/writer/writer_cache.py", line 63, in get  
    logdir, graph=ops.get_default_graph())  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/summary/writer/writer.py", line 371, in __init__  
    super(FileWriter, self).__init__(event_writer, graph, graph_def)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/summary/writer/writer.py", line 84, in __init__  
    self.add_graph(graph=graph, graph_def=graph_def)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/summary/writer/writer.py", line 194, in add_graph  
    true_graph_def = graph.as_graph_def(add_shapes=True)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py", line 3294, in as_graph_def  
    result, _ = self._as_graph_def(from_version, add_shapes)  
  File "/home/ginsberg/.local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py", line 3211, in _as_graph_def  
    graph.ParseFromString(compat.as_bytes(data))  
google.protobuf.message.DecodeError: Error parsing message