5-1 课程引入 :Tf.estimator使用与tf1.0

理论上来说,学完了1-5章,就完成了tensorflow的基本使用方法,接下来说明一下tf1.0的使用方法,比较二者的区别。

首先看一下Tf.estimator的使用。

1.我们使用Keras搭建的模型,可以转成estimator。
2.可以使用预定义的estimator:
BaseLineClassifier:机械模型,使用随机猜测的方式来进行预测。
LinearClassifier:线性模型。
DNNClassifier:深度全连接神经网络模型。
3.Tf.feature_column做特征工程。用来组织数据,把数据表达成一个个feature,对这些feature做一些操作,比如onehot编码。

接下来说明一下在说明Tf.estimator过程中所用到的API列表:
1.Tf.Keras.estimator.to_estrimator:帮助我们把Keras搭建的模型转化成estimator。有Train和evaluate几个PAI接口。
2.Tf.estimator.BaselineClassifier。
3.Tf.estimatorLinerClassifier
4.Tf.estimator.DNNClassifier
5.Tf.feature_column中会使用这么几个接口:
categorical_column_with_vocabulary_list
numeric_column
indicator_column
cross_column
我们在使用中会具体介绍。
6.Keras.layers.DenseFeatures,可以把feature_column表达的数据读取到网络中来。

展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 深蓝海洋 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读