Opiniones sobre Crea una DNN con la API funcional de Keras
10217 opiniones
Joao M. · Se revisó hace 8 meses
Camilo Ernesto V. · Se revisó hace 8 meses
Christopher D. · Se revisó hace 8 meses
Martin L. · Se revisó hace 8 meses
Odar M. · Se revisó hace 8 meses
Harsh B. · Se revisó hace 8 meses
Issues with defining features: def features_and_labels(row_data): for unwanted_col in ['pickup_datetime', 'key']: row_data.pop(unwanted_col) label = row_data.pop(LABEL_COLUMN) return row_data, label # features, label # load the training data def load_dataset(pattern, batch_size=1, mode=tf.estimator.ModeKeys.EVAL): dataset = (tf.data.experimental.make_csv_dataset(pattern, batch_size, CSV_COLUMNS, DEFAULTS) .map(features_and_labels) # features, label ) if mode == tf.estimator.ModeKeys.TRAIN: dataset = dataset.shuffle(1000).repeat() dataset = dataset.prefetch(1) # take advantage of multi-threading; 1=AUTOTUNE return dataset ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) Cell In[11], line 8 5 return row_data, label # features, label 7 # load the training data----> 8 def load_dataset(pattern, batch_size=1, mode=tf.estimator.ModeKeys.EVAL): 9 dataset = (tf.data.experimental.make_csv_dataset(pattern, batch_size, CSV_COLUMNS, DEFAULTS) 10 .map(features_and_labels) # features, label 11 ) 12 if mode == tf.estimator.ModeKeys.TRAIN:AttributeError: module 'tensorflow' has no attribute 'estimator' --------------- Per Gemini - this worked The tf.estimator module is outdated and no longer the recommended way to build models in TensorFlow. It's been largely superseded by Keras, which provides a more user-friendly and flexible API for building and training models. Here's how you can update your code to use Keras instead of tf.estimator: ------- # ... (your features_and_labels function remains the same) # Load the training data using tf.data.Dataset def load_dataset(pattern, batch_size=1, mode='eval'): # Use strings for mode dataset = (tf.data.experimental.make_csv_dataset(pattern, batch_size, CSV_COLUMNS, DEFAULTS) .map(features_and_labels) # features, label ) if mode 1 == 'train': dataset = dataset.shuffle(1000).repeat() dataset = dataset.prefetch(1) # take advantage of multi-threading; 1=AUTOTUNE return dataset ----- mode parameter: Instead of using tf.estimator.ModeKeys, we'll simply use strings like 'train' or 'eval' to represent the mode. No tf.estimator: We've removed the dependency on tf.estimator altogether.
Rod M. · Se revisó hace 8 meses
Great Lab!
Francisco A. · Se revisó hace 8 meses
Ioana B. · Se revisó hace 8 meses
Thomas N. · Se revisó hace 8 meses
David L. · Se revisó hace 8 meses
Ronny d. · Se revisó hace 8 meses
Anderson I. · Se revisó hace 8 meses
good
Nikhitha K. · Se revisó hace 8 meses
David O. · Se revisó hace 8 meses
敬源 黃. · Se revisó hace 8 meses
Harry M. · Se revisó hace 8 meses
Sakshi Nagare .. · Se revisó hace 8 meses
ok
Raul H. · Se revisó hace 8 meses
ok
Raul H. · Se revisó hace 8 meses
Víctor P. · Se revisó hace 8 meses
Paulo C. · Se revisó hace 8 meses
Valeria A. · Se revisó hace 8 meses
Pablo J. · Se revisó hace 8 meses
Saulo R. · Se revisó hace 8 meses
No garantizamos que las opiniones publicadas provengan de consumidores que hayan comprado o utilizado los productos. Google no verifica las opiniones.