TensorFlow 的简化接口Scikit Flow
2019独角兽企业重金招聘Python工程师标准>>>
Scikit Flow 是 TensorFlow 的简化接口,模仿 Scikit 学习,让用户可以在预测分析和数据挖掘中使用。
源代码在:https://github.com/google/skflow
为什么使用 TensorFlow?
TensorFlow 提供构建各种不同类型机器学习应用的核心。
会继续在分布式方向和常规管道机器中进行创新。
为什么使用 Scikit Flow?
可以平滑的从单向机器学习 Scikit Learn 过渡到更开放的,可以构建不同类型的 ML 模型。用户可以通过 fit/predict 和切换到 TensorFlow APIs。
提供一系列的参考模型,方便与现有的代码集成。
Linear Classifier
import skflow
from sklearn import datasets, metrics
iris = datasets.load_iris()
classifier = skflow.TensorFlowLinearClassifier(n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(classifier.predict(iris.data), iris.target)
print("Accuracy: %f" % score)
Linear Regressor
import skflow
from sklearn import datasets, metrics, preprocessingboston = datasets.load_boston()
X = preprocessing.StandardScaler().fit_transform(boston.data)
regressor = skflow.TensorFlowLinearRegressor()
regressor.fit(X, boston.target)
score = metrics.mean_squared_error(regressor.predict(X), boston.target)
print ("MSE: %f" % score)
Deep Neural Network
import skflow
from sklearn import datasets, metricsiris = datasets.load_iris()
classifier = skflow.TensorFlowDNNClassifier(hidden_units=[10, 20, 10], n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(classifier.predict(iris.data), iris.target)
print("Accuracy: %f" % score)
Custom model
import skflow
from sklearn import datasets, metricsiris = datasets.load_iris()def my_model(X, y):"""This is DNN with 10, 20, 10 hidden layers, and dropout of 0.5 probability."""layers = skflow.ops.dnn(X, [10, 20, 10], keep_prob=0.5)return skflow.models.logistic_regression(layers, y)classifier = skflow.TensorFlowEstimator(model_fn=my_model, n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(classifier.predict(iris.data), iris.target)
print("Accuracy: %f" % score)
未来计划
更好的处理类别变量。
文本分类。
图像 (CNNs)。
更多 & 更深。
转载于:https://my.oschina.net/u/2306127/blog/548599
TensorFlow 的简化接口Scikit Flow相关推荐
- R用户的福音︱TensorFlow:TensorFlow的R接口
------------------------------------------------------------ Matt︱R语言调用深度学习架构系列引文 R语言︱H2o深度学习的一些R语言实 ...
- 谷歌开源 TensorFlow 的简化库 JAX
谷歌开源了一个 TensorFlow 的简化库 JAX. JAX 结合了 Autograd 和 XLA,专门用于高性能机器学习研究. 凭借 Autograd,JAX 可以求导循环.分支.递归和闭包函数 ...
- 使用Tensorflow对象检测接口进行像素级分类
文章来源:ATYUN AI平台 在过去,我们使用Tensorflow对象检测API来实现对象检测,它的输出是图像中我们想要检测的不同对象检测周围的边界框.而Tensorflow最近添加了新功能,现在我 ...
- Tensorflow新版Seq2Seq接口使用
简介 Tensorflow 1.0.0 版本以后,开发了新的seq2seq接口,弃用了原来的接口. 旧的seq2seq接口也就是tf.contrib.legacy_seq2seq下的那部分,新的接口在 ...
- tensorflow介绍(转)
tensorflow介绍(转) https://github.com/wizardforcel/data-science-notebook/tree/master/tf/first_contact_w ...
- 与 TensorFlow 的初次相遇
与 TensorFlow 的初次相遇 原文:First Contact With TensorFlow 译者:飞龙 协议:CC BY-NC-SA 4.0 前言一 由于计算,海量数据存储和互联网技术等关 ...
- Py之skflow:skflow的简介、安装、使用方法、代码实现之详细攻略
Py之skflow:skflow的简介.安装.使用方法.代码实现之详细攻略 目录 skflow的简介 skflow的安装 skflow的使用方法 skflow的代码实现 skflow的简介 skflo ...
- Python常用库 - 【持续整理归档】
Python常用库 - [持续整理归档],比较多,会逐步慢慢细化分类和扩从python常用库.(最后更新:2020-4-8) 为方便Python开发人员进行敏捷开发,高效的完成工作需求,耗时很久整理的 ...
- 玩转Python必备:史上最全的Python库,【值得收藏,事半功倍】
库名称 简介 Chardet字符编码探测器,可以自动检测文本.网页.xml的编码. colorama主要用来给文本添加各种颜色,并且非常简单易用. Prettytable主要用于在终端或浏览器 ...
- Python 各种库
这又是一个 Awesome XXX 系列的资源整理,由 vinta 发起和维护.内容包括:Web框架.网络爬虫.网络内容提取.模板引擎.数据库.数据可视化.图片处理.文本处理.自然语言处理.机器学习. ...
最新文章
- python通过什么连接数据库_python中常用的各种数据库操作模块和连接实例
- 老鼠实验中老鼠的数量变化曲线
- 一键 linux桌面安装vnc,Ubuntu 16.04 LTS一键安装VNC
- C++顺序创建txt文件
- 全国首位“90后”县长登场
- 突发!Python再次第一,Java和C下降,凭什么? ​
- java中类似sort_java中的Sort函数,你值得看
- Python入门学习指南--内附学习框架
- g++是什么_飞度车主开奔驰G级的一天,会是什么样的体验?
- Truecrypt加密软件文件检测
- postman:Tests模块之断言
- 电脑清灰过后,CPU温度下降,显卡温度却上升了
- 成长篇-靡有不凡鲜克有终-02
- 强化学习(4):策略梯度Policy Gradient算法
- 怎么使用股票委托下单接口?
- PHP 编辑器 kindEditor 上传图片失败 解决方案
- utils方法,时间工具,数组排序,违禁词检测
- 抖音小店为什么没生意?万顿思教育
- GPS导航(4):SIM908模块
- 20200428 线程安全(上)--彻底搞懂volatile关键字
热门文章
- Android 手机设置CMWAP 接入点
- Silverlight实用窍门系列:58.Silverlight中的Binding使用(三)-数据集合的绑定
- Visual Studio 11预览:DirectX和SharePoint特性
- SharePoint2010内容类型剖析(三)
- Linq,企业类库,EXECL生成,Execl chart的一些基本操作记录.(一)
- 利用numpy.gradient计算图像梯度
- cat(MATLAB
- macos 升级后 从前的 apachectl 错误, php 错误
- 消除代码中的 if-else/switch-case
- 2018手机用户体验的11个设计趋势