使用TensorFlow训练神经网络时dtype错误

Question

我正在尝试使用字符作为输入来训练分类模型。 我的网络基于TensorFlow教程之一。 我花了好几个小时弄清楚为什么它无法运行。 错误是：

File "estimator.py", line 96, in main
    steps=train_steps)
ValueError: Labels dtype should be integer. Instead got <dtype: 'string'>.

我的代码是：

import tensorflow as tf
import data


def main(argv):
    (train_x, train_y), (test_x, test_y) = data.load_data()

    alphabet = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n",
                "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z", "0"]

    categorical_column_1 = tf.feature_column.categorical_column_with_vocabulary_list(key='Char1',
                                                                                     vocabulary_list=alphabet,
                                                                                     default_value=0, dtype=tf.string)
    ...
    categorical_column_16 = tf.feature_column.categorical_column_with_vocabulary_list(key='Char16',
                                                                                      vocabulary_list=alphabet,
                                                                                      default_value=0, dtype=tf.string)

    my_feature_columns = [
        tf.feature_column.indicator_column(categorical_column_1),
        ...
        tf.feature_column.indicator_column(categorical_column_16),

    ]

    classifier = tf.estimator.DNNClassifier(
        feature_columns=my_feature_columns, hidden_units=[16, 16], n_classes=4
    )

    batch_size = 100
    train_steps = 100

    classifier.train(
        input_fn=lambda: data.train_input_fn(train_x, train_y, batch_size),
        steps=train_steps)

    eval_result = classifier.evaluate(
        input_fn=lambda: data.test_input_fn(test_x, test_y, batch_size)
    )

    print("\nAccuracy with test data: {accuracy:0.2f}\n".format(**eval_result))


if __name__ == '__main__':
    tf.logging.set_verbosity(tf.logging.INFO)
    tf.app.run(main)

Answer 1

我以前有这个问题。 它可能有两个原因：

1. 我使用了Jupyter-Notebook 。 它具有存储某些特定内容的缓存。 您应该清空缓存，例如，重新启动系统。 重新启动内核没有用，因为数据仍然存在于内存中。

   我到处搜索，但解决方案不好。 我用两个不同的数据集（MNIST和我创建的另一个）训练了模型，并创建了问题。 您应该只尝试一个数据集。如果您使用两个数据集，这就是问题所在。

2. 您创建的数据类型与模型不相同。 您应该将输入或代码更改为相同。