tensorflow 学习笔记

（三）高阶api: Estimator

流程：

1. 假设存在合适的预创建的 Estimator，使用它构建模型。
2.  训练模型
3.  评估模型
4. 可以通过构建自定义 Estimator 进一步改进模型

1）实例化相关的预创建的 Estimator。

estimator = tf.estimator.LinearClassifier(
    feature_columns=[population, crime_rate, median_education],
    )

可以指定优化算法，模型结构。不同的模型，创建Estimator参考api.

estimator = DNNClassifier(
    feature_columns=[categorical_feature_a_emb, categorical_feature_b_emb],
    hidden_units=[1024, 512, 256],
    optimizer=tf.train.ProximalAdagradOptimizer(
      learning_rate=0.1,
      l1_regularization_strength=0.001
    ))

 

2）训练

estimator.train(input_fn=my_training_set, steps=2000)

3）预测与评估

estimator.evaluate(input_fn=my_predict_set)
estimator.predict(input_fn=my_predict_set)