Melatih model dengan Estimators API

Pendahuluan TensorFlow di Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Apa itu Estimators API?

Submodul tingkat tinggi
Kurang fleksibel
Menegakkan praktik terbaik
Penyebaran lebih cepat
Banyak model siap pakai

Gambar ini menunjukkan skema Estimators API dan hubungannya dengan API tingkat lebih rendah.

¹ Gambar dari https://www.tensorflow.org/guide/premade_estimators

Spesifikasi model dan pelatihan

Definisikan feature columns
Muat dan transformasi data
Definisikan estimator
Jalankan operasi train

Mendefinisikan 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"])

Mendefinisikan 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,))]

Memuat dan mentransformasi data

# 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

Definisikan dan latih estimator regresi

# 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)

Definisikan dan latih 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

Ayo berlatih!

Pendahuluan TensorFlow di Python