数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用 Python 中的 TensorFlow 实例化一个 Estimator？
可以使用 TensorFlow 中的 `DNNClassifier` 方法来实例化一个 Estimator，该方法存在于 TensorFlow 库的 `estimator` 类中。
阅读更多： 什么是 TensorFlow 以及 Keras 如何与 TensorFlow 协同工作以创建神经网络？
我们将使用 Keras 的 Sequential API，它有助于构建一个用于处理层级堆叠的顺序模型，其中每一层都只有一个输入张量和一个输出张量。
包含至少一层卷积层的神经网络被称为卷积神经网络。我们可以使用卷积神经网络来构建学习模型。
TensorFlow Text 包含与文本相关的类和操作的集合，可用于 TensorFlow 2.0。TensorFlow Text 可用于预处理序列建模。
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器中运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。
Estimator 是 TensorFlow 对完整模型的高级表示。它旨在实现轻松扩展和异步训练。
模型使用鸢尾花数据集进行训练。
示例
print("Build a DNN that has 2 hidden layers with 30 and 10 hidden nodes each")
classifier = tf.estimator.DNNClassifier(
feature_columns=my_feature_columns,
hidden_units=[30, 10],
n_classes=3)代码来源 −https://tensorflowcn.cn/tutorials/estimator/premade#first_things_first
输出
Build a DNN that has 2 hidden layers with 30 and 10 hidden nodes each
INFO:tensorflow:Using default config.
WARNING:tensorflow:Using temporary folder as model directory: /tmp/tmpdh8866zb
INFO:tensorflow:Using config: {'_model_dir': '/tmp/tmpdh8866zb', '_tf_random_seed': None, '_save_summary_steps': 100, '_save_checkpoints_steps': None, '_save_checkpoints_secs': 600, '_session_config': allow_soft_placement: true
graph_options {
rewrite_options {
meta_optimizer_iterations: ONE
}
}
, '_keep_checkpoint_max': 5, '_keep_checkpoint_every_n_hours': 10000, '_log_step_count_steps': 100, '_train_distribute': None, '_device_fn': None, '_protocol': None, '_eval_distribute': None, '_experimental_distribute': None, '_experimental_max_worker_delay_secs': None, '_session_creation_timeout_secs': 7200, '_checkpoint_save_graph_def': True, '_service': None, '_cluster_spec': ClusterSpec({}), '_task_type': 'worker', '_task_id': 0, '_global_id_in_cluster': 0, '_master': '', '_evaluation_master': '', '_is_chief': True, '_num_ps_replicas': 0, '_num_worker_replicas': 1}解释
- 鸢尾花问题被认为是一个分类问题。
- Tensorflow 带有许多预制的分类器 Estimator，包括：
- 用于执行多类分类的深度模型 `tf.estimator.DNNClassifier`。
- 用于宽而深模型的 `tf.estimator.DNNLinearCombinedClassifier`。
- 用于基于线性模型的分类器的 `tf.estimator.LinearClassifier`。
- 对于鸢尾花问题，我们使用 `tf.estimator`。
更新于： 2021-02-22
144 次浏览
广告