问题描述
我正在尝试创建DNNClassifier，但是我不知道如何将数据传递到对象中。我的数据文件是使用np.save（）创建的.npy文件。
- 训练数据：形状数组（106398,338），其中106398是数据实例的数量。
- 训练标签：形状数组（106398,97），其中97是我要预测的类别数（采用热编码）
import tensorflow as tf
from tensorflow.contrib.learn import DNNClassifier
import numpy as np
feature_columns = np.load(path_to_file)#learn.infer_real_valued_columns_from_input(iris.data)
feature_tags=np.load(path_to_other_file)
classifier = DNNClassifier(hidden_units=[10, 20, 10], n_classes=97, feature_columns=feature_columns)
classifier.fit(feature_columns, feature_tags, steps=200, batch_size=1000)
predictions = list(classifier.predict(feature_columns, as_iterable=True))
score = metrics.accuracy_score(feature_tags, predictions)
print("Accuracy: %f" % score)
我得到：ValueError：具有多个元素的数组的真值是不明确的。 使用a.any（）或a.all（）
我试图使（feature_columns和feature_tags）都进入tf.constant bot，但它不起作用。
我该如何解决？
8.0 locally Traceback (most recent call last):
File "nueva.py", line 31,
in <module> classifier = DNNClassifier(hidden_units=[10, 20, 10], n_classes=97, feature_columns=feature_columns)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/l??earn/python/learn/es??timators/dnn.py", line 296,
in init self._feature_columns = tuple(feature_columns or [])
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
1楼
如果查看有关该ValueError..其他SO问题，则可能会在尝试对数组进行某种True / False测试时出现。
if X>0:....
如果X是一个多元素数组，则会产生此错误。
X>0则是一个True / False值的数组。
那是模棱两可的。
确定了基本问题后，我们需要找到进行此类测试的位置。
另一件事-当报告错误时，还要在堆栈上报告- 该错误究竟发生在哪里？
查看您的代码，我看不到任何可能触发此错误的测试。 这意味着它正在您调用的函数之一的深处发生。 哪一个？
我猜函数参数之一具有错误的形式，形状或类型。
错误出在tuple(feature_columns or [])表达式中。
您的feature_columns参数不应为数组。
检查文档。
从该表达式中，我猜测feature_columns应该为默认值None或类似[1,2,3]的列表：
In [110]: [1,2,3] or []
Out[110]: [1, 2, 3]
In [111]: None or []
Out[111]: []
In [112]: np.array([1,2,3]) or []
....
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
In [113]:
2楼
使用函数learn.infer_real_valued_columns_from_input从numpy数组创建feature_columns 。
以下解决方案适用于我：
X = np.load(path_to_file)
feature_columns = tf.contrib.learn.infer_real_valued_columns_from_input(X)
classifier = DNNClassifier(hidden_units=[10, 20, 10], n_classes=97, feature_columns=feature_columns)