Trenowanie modeli za pomocą API Estimators

Wprowadzenie do TensorFlow w Pythonie

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Czym jest API Estimators?

Moduł wysokiego poziomu
Mniej elastyczny
Wymusza dobre praktyki
Szybsze wdrożenie
Wiele gotowych modeli

Obraz przedstawia schemat API Estimators i jego relację z API niższego poziomu.

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

Specyfikacja i trenowanie modelu

Definiowanie kolumn cech
Wczytywanie i transformacja danych
Definiowanie estymatora
Uruchamianie operacji trenowania

Definiowanie kolumn cech

# 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"])

Definiowanie kolumn cech

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

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

Wczytywanie i transformacja danych

# 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

Definiowanie i trenowanie estymatora regresji

# 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)

Definiowanie i trenowanie głębokiej sieci neuronowej

# 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

Czas na ćwiczenia!

Wprowadzenie do TensorFlow w Pythonie