Treinando modelos com a Estimators API

Introdução ao TensorFlow em Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

O que é a Estimators API?

Submódulo de alto nível
Menos flexível
Impõe boas práticas
Implantação mais rápida
Muitos modelos prontos

Esta imagem mostra um esquema da Estimators API e como ela se relaciona com APIs de nível inferior.

¹ Image taken from https://www.tensorflow.org/guide/premade_estimators

Especificação e treino do modelo

Definir colunas de atributos
Carregar e transformar dados
Definir um estimator
Aplicar a operação de treino

Definindo colunas de atributos

# Import tensorflow under its standard alias
import tensorflow as tf

# Define a numeric feature column
size = tf.feature_column.numeric_column("size")

# Define a categorical feature column
rooms = tf.feature_column.categorical_column_with_vocabulary_list("rooms",\
["1", "2", "3", "4", "5"])

Definindo colunas de atributos

# Create feature column list
features_list = [size, rooms]

# Define a matrix feature column
features_list = [tf.feature_column.numeric_column('image', shape=(784,))]

Carregando e transformando dados

# Define input data function
def input_fn():
    # Define feature dictionary
    features = {"size": [1340, 1690, 2720], "rooms": [1, 3, 4]}
    # Define labels
    labels = [221900, 538000, 180000]
    return features, labels

Definir e treinar um estimator de regressão

# Define a deep neural network regression
model0 = tf.estimator.DNNRegressor(feature_columns=feature_list,\
    hidden_units=[10, 6, 6, 3])

# Train the regression model
model0.train(input_fn, steps=20)

Definir e treinar uma rede neural profunda

# Define a deep neural network classifier
model1 = tf.estimator.DNNClassifier(feature_columns=feature_list,\ 
   hidden_units=[32, 16, 8], n_classes=4)

# Train the classifier
model1.train(input_fn, steps=20)

https://www.tensorflow.org/guide/estimators

Vamos praticar!

Introdução ao TensorFlow em Python