テンソルフローのグラフの一部としてKMeans tflearn estimatorを使用する

Question

Tensorflowのグラフの一部としてtensorflow.contrib.learn.KMeansClusteringを使用しようとしています。私はそれをグラフの構成要素として使用して、私に予測と中心を与えたいと考えています。コードの関連部分は以下の通りです：

with tf.variable_scope('kmeans'): 
    kmeans = KMeansClustering(num_clusters=num_clusters, 
           relative_tolerance=0.0001) 
    kmeans.fit(input_fn= (lambda : [X, None])) 
    clusters = kmeans.clusters() 

init_vars = tf.global_variables_initializer() 
sess = tf.Session() 
sess.run(init_vars, feed_dict={X: full_data_x}) 
clusters_np = sess.run(clusters, feed_dict={X: full_data_x}) 

はしかし、私は次のエラーを取得する：

ValueError: Tensor("kmeans/strided_slice:0", shape=(), dtype=int32) must be from the same graph as Tensor("sub:0", shape=(), dtype=int32). 

私はK平均法がTFLearn推定であるためであると考えています。これは単一のモジュールよりもグラフ全体に似ています。あれは正しいですか？それをデフォルトのグラフのモジュールに変換できますか？そうでない場合は、別のグラフ内でKMeansを実行する関数がありますか？

ありがとうございます！

Answer 1

KMeansClustering Estimatorは、tf.contrib.factorizationのopsを使用します。 factorization MNIST exampleは、EstimatorなしでKMeansを使用します。

Answer 2

K平均法見積もりAPIは、（それがinput_fnによって行われます）tf.Graph、独自に構築し、あなたが値を養うためにtf.Sessionを実行する必要はありませんので、それ自体でtf.Sessionを管理ValueErrorが発生する理由、それはです。

K平均法推定器の正しい使用は、単にある：

X、値を（例えば np.arrayよう tf.convert_to_tensorを使用するよりも、 Xを定義する）を保持 tf.constant入力テンソルである

kmeans = KMeansClustering(num_clusters=num_clusters, 
          relative_tolerance=0.0001) 
kmeans.fit(input_fn=(lambda: [X, None])) 
clusters = kmeans.clusters() 

。ここでXはtf.Sessionで実行する必要があるtf.placeholderではありません。

更新TensorFlow 1.4のために：特定の機能のためのセンターを予測する

kmeans=tf.contrib.factorization.KMeansClustering(num_clusters=num_clusters) 
kmeans.train(input_fn=(lambda: [X, None])) 
centers = kmeans.cluster_centers() 

だけで使用します：クラスタの中心を見つける

使用tf.contrib.factorization.KMeansClustering APIここで

predictions = kmeans.predict(input_fn=(lambda:[another_X, None])) 

Answer 3

linkがあります使用方法KMeansクラスタリング u歌うtf.contrib.factorization.KMeansClustering。これは、入力Tensor(X)の作成をラムダの中に入れて遅らせることで解決されることを示しています。これはtrain()の中で呼び出されます。その後、上記のエラーは発生しません。