TF Learn入门 —— 简介

最新推荐文章于 2025-03-14 09:42:18 发布

原创

最新推荐文章于 2025-03-14 09:42:18 发布 · 1.8k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow

本文介绍了为何选择TensorFlow及其机器学习框架TensorFlow Learn，强调了其从scikit-learn平滑过渡的优势，并提供了安装指南。在使用Estimator时，应注意数据预处理和类变量处理。此外，文章还涵盖了线性分类、线性回归和深度神经网络的应用，以及模型的保存、恢复和使用TensorBoard进行可视化监控。

TF Learn 是 TensorFlow 的简化界面，使人更快的开始预测分析和数据挖掘。该库涵盖了多种需求，从线性模型到深度学习应用如文本和图形理解。

为什么选择 TensorFlow？

TensorFlow 为不同机器学习应用提供了良好的框架。

它将继续沿着分布式和基本管道式机器两个方向发展。

为什么选择 TensorFlow Learn？

更好的从 scikit-learn 单一机器学习过渡到更广的构建不同形态机器学习模型。你可以从使用 fit／predict 开始过渡到使用 TensorFlow API。

提供一组能与现存代码更好融合的参考模型。

安装

安装 TensorFlow 然后 import learn 从 from tensorflow.contrib.learn 或者使用 tf.contrib.learn

也可选择安装 scikit-learn 或者 pandas 以获取更多功能。

使用

把数据传递进 Estimator 前应将数据调校到均值为0或者单位标准差，Stochastic Gradient Descent 当变量尺度不同时无法保证正确下降回归。

类变量在传递进 Estimator 前应做处理。

线性分类

import tensorflow.contrib.learn.python.learn as learn
from sklearn import datasets, metrics
iris = datasets.load_iris()
feature_columns = learn.infer_real_valued_columns_from_input(iris.data)
classifier = learn.LinearClassifier(n_classes=3,