Tahminleyiciler (Estimators) API ile modelleri eğitme

Python ile TensorFlow’a Giriş

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Estimators API nedir?

Üst düzey alt modül
Daha az esnek
En iyi uygulamaları zorlar
Daha hızlı dağıtım
Çok sayıda hazır model

Bu görsel, Estimators API’nin şemasını ve alt düzey API’lerle ilişkisini gösterir.

¹ Görsel: https://www.tensorflow.org/guide/premade_estimators

Model tanımı ve eğitimi

Özellik sütunlarını tanımlayın
Veriyi yükleyin ve dönüştürün
Bir tahminleyici tanımlayın
Eğitim işlemini uygulayın

Özellik sütunlarını tanımlama

# TensorFlow’u standart kısaltmasıyla içe aktarın
import tensorflow as tf

# Sayısal bir özellik sütunu tanımlayın
size = tf.feature_column.numeric_column("size")

# Kategorik bir özellik sütunu tanımlayın
rooms = tf.feature_column.categorical_column_with_vocabulary_list("rooms",\
["1", "2", "3", "4", "5"])

Özellik sütunlarını tanımlama

# Özellik sütunu listesi oluşturun
features_list = [size, rooms]

# Matris bir özellik sütunu tanımlayın
features_list = [tf.feature_column.numeric_column('image', shape=(784,))]

Veri yükleme ve dönüştürme

# Girdi veri fonksiyonunu tanımlayın
def input_fn():
    # Özellik sözlüğünü tanımlayın
    features = {"size": [1340, 1690, 2720], "rooms": [1, 3, 4]}
    # Etiketleri tanımlayın
    labels = [221900, 538000, 180000]
    return features, labels

Bir regresyon tahminleyicisi tanımlayıp eğitme

# Derin sinir ağı regresyonu tanımlayın
model0 = tf.estimator.DNNRegressor(feature_columns=feature_list,\
    hidden_units=[10, 6, 6, 3])

# Regresyon modelini eğitin
model0.train(input_fn, steps=20)

Derin sinir ağı tanımlayıp eğitme

# Derin sinir ağı sınıflandırıcı tanımlayın
model1 = tf.estimator.DNNClassifier(feature_columns=feature_list,\ 
   hidden_units=[32, 16, 8], n_classes=4)

# Sınıflandırıcıyı eğitin
model1.train(input_fn, steps=20)

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

Haydi pratik yapalım!

Python ile TensorFlow’a Giriş