Modellen trainen met de Estimators API

Introductie tot TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Wat is de Estimators API?

High-level submodule
Minder flexibel
Dwingt best practices af
Snellere deployment
Veel kant‑en‑klare modellen

Dit schema toont de Estimators API en de relatie met lagere‑niveau API’s.

¹ Afbeelding afkomstig van https://www.tensorflow.org/guide/premade_estimators

Model specificeren en trainen

Definieer featurekolommen
Laad en transformeer data
Definieer een estimator
Voer training uit

Featurekolommen definiëren

# 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"])

Featurekolommen definiëren

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

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

Data laden en transformeren

# 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

Een regressie-estimator definiëren en trainen

# 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)

Een deep neural network definiëren en trainen

# 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

Laten we oefenen!

Introductie tot TensorFlow in Python