Lines Matching refs:input_fn
36 def input_fn():
52 classifier.fit(input_fn=input_fn, steps=100)
53 loss = classifier.evaluate(input_fn=input_fn, steps=1)['loss']
59 # input_fn is identical to the one in testRealValuedFeatures where 2
61 def input_fn():
74 classifier.fit(input_fn=input_fn, steps=100)
75 loss = classifier.evaluate(input_fn=input_fn, steps=1)['loss']
81 def input_fn():
101 classifier.fit(input_fn=input_fn, steps=50)
102 metrics = classifier.evaluate(input_fn=input_fn, steps=1)
108 def input_fn():
131 classifier.fit(input_fn=input_fn, steps=50)
132 metrics = classifier.evaluate(input_fn=input_fn, steps=1)
138 def input_fn():
162 classifier.fit(input_fn=input_fn, steps=50)
163 metrics = classifier.evaluate(input_fn=input_fn, steps=1)
169 def input_fn():
194 classifier.fit(input_fn=input_fn, steps=10)
195 metrics = classifier.evaluate(input_fn=input_fn, steps=1)
201 def input_fn():
233 classifier.fit(input_fn=input_fn, steps=50)
234 metrics = classifier.evaluate(input_fn=input_fn, steps=1)
253 def input_fn():
266 regressor.fit(input_fn=input_fn, steps=20)
267 loss = regressor.evaluate(input_fn=input_fn, steps=1)['loss']
277 def input_fn():
310 regressor.fit(input_fn=input_fn, steps=20)
311 loss = regressor.evaluate(input_fn=input_fn, steps=1)['loss']
317 def input_fn():
341 regressor.fit(input_fn=input_fn, steps=20)
342 no_l1_reg_loss = regressor.evaluate(input_fn=input_fn, steps=1)['loss']
359 regressor.fit(input_fn=input_fn, steps=20)
360 l1_reg_loss = regressor.evaluate(input_fn=input_fn, steps=1)['loss']
387 def input_fn():
411 regressor.fit(input_fn=input_fn, steps=100)
418 def input_fn():
462 regressor.fit(input_fn=input_fn, steps=200)
479 def input_fn():
513 regressor.fit(input_fn=input_fn, steps=100)
