Träna modeller med Estimators API

Introduktion till TensorFlow i Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Vad är Estimators API?

Högnivåmodul
Mindre flexibelt
Följer bästa praxis
Snabbare driftsättning
Många färdiga modeller

Den här bilden visar ett schema över Estimators API och hur det relaterar till API:er på lägre nivå.

¹ Bild hämtad från https://www.tensorflow.org/guide/premade_estimators

Modellspecifikation och träning

Definiera särdragskolumner
Läs in och transformera data
Definiera en estimator
Kör träningsoperationen

Definiera särdragskolumner

# 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"])

Definiera särdragskolumner

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

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

Läsa in och transformera 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

Definiera och träna en regressionsestimator

# 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)

Definiera och träna ett djupt neuralt nätverk

# 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

Nu kör vi en övning!

Introduktion till TensorFlow i Python