python深度神经网络_TensorFlow/Sklearn深度神经网络分类器

我正在尝试构建一个深层神经网络分类器，它模仿了TensorFlow目录中的示例。示例代码如下所示：def main(unused_argv):

# Load dataset.

iris = learn.datasets.load_dataset('iris')

x_train, x_test, y_train, y_test = cross_validation.train_test_split(

iris.data, iris.target, test_size=0.2, random_state=42)

# Build 3 layer DNN with 10, 20, 10 units respectively.

classifier = learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=3)

# Fit and predict.

classifier.fit(x_train, y_train, steps=200)

score = metrics.accuracy_score(y_test, classifier.predict(x_test))

print('Accuracy: {0:f}'.format(score))

我做的是完全相同的事情，除了我使用我的数据，这是相同的虹膜数据（连续的特征值和离散的0或1目标值）。我的数据示例如下：

^{pr2}$

我用以下代码读取数据：def extract_examples_labels(filepath):

data = pd.read_csv(filepath).as_matrix()

num_inputs = len(data[0])-1

data_examples = data[:,range(num_inputs)]

data_labels= data[:,len(data[0])-1]

return data_examples, data_labels

然后我做了与TensorFlow示例完全相同的事情，但是我使用了我的数据。但是，我一直得到一个错误，它说：

值错误：目标的数据类型应为int32、int64或兼容。取而代之的是dtype:'float64'

所以我想这意味着，因为我的y峎火车是一个浮动，我需要把它转换成int，所以我使用：y_train = y_train.astype(int)

我确认其类型为int64并再次运行分类器，但得到以下错误：

值错误：目标与给定信息不兼容。给定目标：张量（“输出：0，形状=（？，），dtype=int64），必需的签名：TensorSignature（dtype=tf.float64型，shape=TensorShape（[Dimension（None）]），is_sparse=False）。

现在它说它想要一个浮动64。所以我很困惑我做错了什么。有什么建议或明显的错误吗？在