tf35：tf.estimator

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

tf.estimator 是Tensorflow的高级API，可快速训练和评估各种传统机器学习模型。

看下面一段代码，使用神经网络应用到Iris数据集上。

import os
from six.moves.urllib.request import urlopenimport numpy as np
import tensorflow as tf# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"IRIS_TEST = "iris_test.csv"
IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"def main():# If the training and test sets aren't stored locally, download them.if not os.path.exists(IRIS_TRAINING):raw = urlopen(IRIS_TRAINING_URL).read()with open(IRIS_TRAINING, "wb") as f:f.write(raw)if not os.path.exists(IRIS_TEST):raw = urlopen(IRIS_TEST_URL).read()with open(IRIS_TEST, "wb") as f:f.write(raw)# Load datasets.training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int,features_dtype=np.float32)test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,target_dtype=np.int,features_dtype=np.float32)# Specify that all features have real-value datafeature_columns = [tf.feature_column.numeric_column("x", shape=[4])]# Build 3 layer DNN with 10, 20, 10 units respectively.classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,hidden_units=[10, 20, 10],n_classes=3,model_dir="/tmp/iris_model")# Define the training inputstrain_input_fn = tf.estimator.inputs.numpy_input_fn(x={"x": np.array(training_set.data)},y=np.array(training_set.target),num_epochs=None,shuffle=True)# Train model.classifier.train(input_fn=train_input_fn, steps=2000)# Define the test inputstest_input_fn = tf.estimator.inputs.numpy_input_fn(x={"x": np.array(test_set.data)},y=np.array(test_set.target),num_epochs=1,shuffle=False)# Evaluate accuracy.accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]print("\nTest Accuracy: {0:f}\n".format(accuracy_score))# Classify two new flower samples.new_samples = np.array([[6.4, 3.2, 4.5, 1.5],[5.8, 3.1, 5.0, 1.7]], dtype=np.float32)predict_input_fn = tf.estimator.inputs.numpy_input_fn(x={"x": new_samples},num_epochs=1,shuffle=False)predictions = list(classifier.predict(input_fn=predict_input_fn))predicted_classes = [p["classes"] for p in predictions]print("New Samples, Class Predictions:    {}\n".format(predicted_classes))if __name__ == "__main__":main()

tf35：tf.estimator相关推荐

tf.estimator的用法
tf.estimator的用法利用 tf.estimator 训练模型时需要写两个重要的函数,一个用于数据输入的函数(input_fn),另一个用于模型创建的函数(model_fn).下面逐一来说明 ...
tf.estimator.train_and_evaluate 详解
TensorFlow 版本:1.11.0 在 TensorFlow 1.4 版本中,Google 新引入了一个新 API:tf.estimator.train_and_evaluate.提出这个 AP ...
tensorflow综合示例4：逻辑回归：使用Estimator
文章目录 1.加载csv格式的数据集并生成Dataset 1.1 pandas读取csv数据生成Dataframe 1.2 将Dataframe生成Dataset 2.将数据封装成Feature co ...
Tensorflow API 讲解——tf.estimator.Estimator
class Estimator(builtins.object) #介绍 Estimator 类,用来训练和验证 TensorFlow 模型. Estimator 对象包含了一个模型 model_fn ...
tf.estimator.EstimatorSpec讲解
作用是一个class(类),是定义在model_fn中的,并且model_fn返回的也是它的一个实例,这个实例是用来初始化Estimator类的 (Ops and objects returned ...
tf.estimator.Estimator解析
Estimator类代表了一个模型,以及如何对这个模型进行训练和评估, class Estimator(builtins.object) 可以按照下面方式创建一个E def resnet_v1_10_ ...
tf.estimator.Estimator的使用
tf.estimator.Estimator是TF比较高级的接口. 最近在使用bert预训练模型的时候用到了tf.estimator.Estimator.使用该接口的时候需要开发者完成的工作比较少,一 ...
机器学习笔记5-Tensorflow高级API之tf.estimator
前言本文接着上一篇继续来聊Tensorflow的接口,上一篇中用较低层的接口实现了线性模型,本篇中将用更高级的API--tf.estimator来改写线性模型. 还记得之前的文章<机器学习笔记 ...
tf.estimator用法
estimator:估算器 tf.estimator -----一种高级TensorFlow API.估算器封装以下操作: 训练(training) 评价(evaluation) 预测(predict ...

tf35：tf.estimator

tf35：tf.estimator相关推荐

最新文章

热门文章