Training dei modelli con la Estimators API

Introduzione a TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Che cos'è la Estimators API?

Sottomodulo di alto livello
Meno flessibile
Impone buone pratiche
Deployment più rapido
Molti modelli predefiniti

Questa immagine mostra uno schema della Estimators API e di come si collega alle API di livello inferiore.

¹ Immagine tratta da https://www.tensorflow.org/guide/premade_estimators

Specifiche del modello e training

Definisci le feature columns
Carica e trasforma i dati
Definisci un estimator
Avvia il training

Definire le feature columns

# 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"])

Definire le feature columns

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

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

Caricare e trasformare i dati

# 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

Definire e addestrare un estimator di regressione

# 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)

Definire e addestrare una deep neural network

# 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

Esercitiamoci!

Introduzione a TensorFlow in Python