1.First Steps with TensorFlow: Toolkit
下图是TensorFlow工具包的结构层次图:
下表总结了不同层的用途:
工具包 | 说明 |
---|---|
Estimator (tf.estimator) | 高级 OOP API。 |
tf.layers/tf.losses/tf.metrics | 用于常见模型组件的库。 |
TensorFlow | 低级 API |
TensorFlow 由以下两个组件组成:
- 图协议缓冲区(graph protocol buffer)
- 执行(分布式)图的运行时(a runtime that executes the (distributed) graph)
较高级别的API更易于使用,但(设计方面)不够灵活。
(1)tf.estimator API-最高层
tf.estimator 与 scikit-learn API 兼容。scikit-learn是极其热门的 Python 开放源代码机器学习库。
以下是在 tf.estimator 中实现的线性回归程序的格式:
import tensorflow as tf
# Set up a linear classifier.
classifier = tf.estimator.LinearClassifier()
# Train the model on some example data.
classifier.train(input_fn=train_input_fn, steps=2000)
# Use it to predict.
predictions = classifier.predict(input_fn=predict_input_fn)
Key Terms
Estimators 估计量 | graph图 |
tensor 张量 |