基于TensorFlow Wide&Deep教程构建二分类器时运行示例报错求助

我之前在运行Wide&Deep官方示例时也碰到过一模一样的问题！这主要是因为你使用的TensorFlow版本和教程编写时的版本不一致，导致模型内部的张量名称路径发生了变化，原来的路径找不到对应的张量了。下面给你两种解决方案：

方案一：直接替换为适配新版本的路径 #

针对TensorFlow 2.x版本的Wide&Deep实现，你可以把第199行的代码替换成以下内容：

tensors_to_log = {
    'average_loss': 'head/average_loss',
    'loss': 'head/total_loss'
}

如果这个路径还是找不到，试试更简化的版本（部分场景下Keras封装的模型会用更直接的名称）：

tensors_to_log = {
    'average_loss': 'loss',
    'loss': 'loss'
}

方案二：自己查找当前模型的正确张量路径 #

如果上面的固定替换不生效，最稳妥的方法是自己找到当前模型里的loss相关张量名称：

• 在模型训练代码的开头添加以下代码，开启调试日志：

  import tensorflow as tf
  tf.debugging.experimental.enable_dump_debug_info(
      './tf_debug_logs',
      tensor_debug_mode="FULL_HEARTBEAT",
      circular_buffer_size=-1
  )
  

• 启动训练后，在终端运行TensorBoard命令：tensorboard --logdir=./tf_debug_logs
• 打开TensorBoard的Scalars标签页，找到训练过程中输出的loss相关指标，把对应的名称复制到tensors_to_log字典里即可。

这样你就能精准匹配当前TensorFlow版本下的张量路径，解决报错问题啦！

内容的提问来源于stack exchange，提问作者Caterpillaraoz