Entraîner des modèles avec l'API Estimators

Introduction à TensorFlow en Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Qu'est-ce que l'API Estimators ?

Sous-module de haut niveau
Moins flexible
Implique les meilleures pratiques
Déploiement plus rapide
Plusieurs modèles prêts à l'emploi

Cette image illustre le schéma de l'API Estimators et son lien avec les API de plus bas niveau.

¹ Image tirée de https://www.tensorflow.org/guide/premade_estimators

Spécification du modèle et entraînement

Définir les colonnes de caractéristiques
Charger et transformer les données
Définir un estimateur
Lancer l'entraînement

Définir les colonnes de caractéristiques

# 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"])

Définir les colonnes de caractéristiques

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

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

Charger et transformer les données

# 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

Définir et entraîner un estimateur de régression

# 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)

Définir et entraîner un réseau de neurones profond

# 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

Passons à la pratique !

Introduction à TensorFlow en Python