Tensorflow Estimators API使用介绍

最新推荐文章于 2024-04-01 09:48:13 发布

原创

最新推荐文章于 2024-04-01 09:48:13 发布 · 1.6w 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #Estimators

在上一篇文章Tensorflow Dataset API详解里面，我们说Datasets API和Estimators API是TensorFlow 1.3开始引入的两个高级API。其中，Estimators API 提供了训练模型、测试模型准确率和生成预测的方法。在这篇文章里面，我准备对Estimator API做一个基本讲解，其中主要内容还是来源于官方文档。

首先，还是先看看tensorflow中Estimators API的组成图：

从上图我们可以知道：Estimators分为Pre-made Estimators和custom Estimators两大类。其中，tf.estimator.Estimators是基类(base class)，pre-made Estimators是基类的子类，而custom Estimators则是基类的实例(instance)。

Pre-made Estimators和custom Estimators差异主要在于tensorflow中是否有它们可以直接使用的模型函数(model function or model_fn)d的实现。对于前者，tensorflow中已经有写好的model function，因而直接调用即可；而后者的model function需要自己编写。因此，Pre-made Estimators使用方便，但使用范围小，灵活性差；custom Estimators则正好相反。

Your model function could implement a wide range of algorithms, defining all sorts ofhidden layers andmetrics. Like input functions, all model functions must accept a standard group of input parameters and return a standard group of output values. Just as input functions can leverage the Dataset API,model functions can leverage the Layers API and the Metrics API.

总体来说，模型是由三部分构成：Input functions、Model functions 和Estimators（评估控制器，main function)。