Opinie (Build a DNN using the Keras Functional API)
10215 opinii
Christopher D. · Sprawdzono 8 miesięcy temu
Martin L. · Sprawdzono 8 miesięcy temu
Odar M. · Sprawdzono 8 miesięcy temu
Harsh B. · Sprawdzono 8 miesięcy temu
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module 'tensorflow' has no attribute 'estimator' --------------- Per Gemini - this worked The tf.estimator module is outdated and no longer the recommended way to build models in TensorFlow. It's been largely superseded by Keras, which provides a more user-friendly and flexible API for building and training models.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. · Sprawdzono 8 miesięcy temu
Great Lab!
Francisco A. · Sprawdzono 8 miesięcy temu
Ioana B. · Sprawdzono 8 miesięcy temu
Thomas N. · Sprawdzono 8 miesięcy temu
David L. · Sprawdzono 8 miesięcy temu
Ronny d. · Sprawdzono 8 miesięcy temu
Anderson I. · Sprawdzono 8 miesięcy temu
good
Nikhitha K. · Sprawdzono 8 miesięcy temu
David O. · Sprawdzono 8 miesięcy temu
敬源 黃. · Sprawdzono 8 miesięcy temu
Harry M. · Sprawdzono 8 miesięcy temu
Sakshi Nagare .. · Sprawdzono 8 miesięcy temu
ok
Raul H. · Sprawdzono 8 miesięcy temu
ok
Raul H. · Sprawdzono 8 miesięcy temu
Víctor P. · Sprawdzono 8 miesięcy temu
Paulo C. · Sprawdzono 8 miesięcy temu
Valeria A. · Sprawdzono 8 miesięcy temu
Pablo J. · Sprawdzono 8 miesięcy temu
Saulo R. · Sprawdzono 8 miesięcy temu
Xiomara O. · Sprawdzono 8 miesięcy temu
Paulo C. · Sprawdzono 8 miesięcy temu
Nie gwarantujemy, że publikowane opinie pochodzą od konsumentów, którzy dane produkty kupili lub ich używali. Google nie weryfikuje opinii.