TensorFlow的高阶接口Estimator的使用（1）

本文摘自人民邮电出版社异步社区

在《TensorFlow机器学习项目实战》的4.4节，作者使用了skflow。skflow刚出来的时候火了一阵，但是接口变化非常频繁，所以后来用的人也越来越少，也导致4.4的程序不能运行了。

但是最近发布的TensorFlow 1.4中，我们发现该模块已经集成到了核心模块，意味着接口基本稳定下来，并有推广使用的趋势。所以我把4.4的程序重新用Estimator写了一下，变量名基本保持不变，代码如下：

# -*- coding: utf-8 -*-    
 import tensorflow as tf from sklearn import datasets, metrics,
  preprocessing import numpy as np import pandas as pd import os df = pd.
  read_csv("data/CHD.csv", header=0) print( df.describe()) X=df['age'].
  astype(float) feature_columns = [tf.contrib.layers.real_valued_column
  ("X", dimension=1)] classifier = tf.estimator.LinearClassifier
  (feature_columns=feature_columns,                                   
  model_dir=os.path.join(".","tmp","logistic")) #classifier =
   tf.estimator.LinearClassifier(feature_columns=feature_columns) 
input_fn_train= tf.estimator.inputs.numpy_input_fn(              
 x={"X" : np.array(X)},           
  y=np.array(df['chd']),            
 batch_size=2,                
 num_epochs=None,              
shuffle=True) classifier.train(input_fn=input_fn_train,steps=2000)
 #模型的准确度 score =  classifier.evaluate(input_fn=input_fn_train,steps=50)
 ["accuracy"] print("Accuracy: %f" % score)

注：这段程序可以在Ubuntu和MacOS下面跑，但是Windows下面还不行，是路径的问题。这应该是Estimator的一个BUG，在contrib.learn下也是一样的不行。如果想在windows下，一定要用注释掉的部分。

这里面最难写的是input_fn函数，也是最重要的函数，我在这段程序中直接使用了numpy_input_fn来构建。[1]中除了这个方法还给出了从pandas构建的方法，大家可以自己尝试。

input_fn带来了一个好处，就是可以按照生产者消费者模式读取数据，具体的解释可以参考[2]。简单的解释，就是IO一般都比较慢，我们需要在数据处理的过程中进行读取数据，那样就可以充分的节省时间，这样就设计多线程在后台不断的取数据。

feature_colums的构建需要一定的技巧，这个主要参考[3]

另外的一个变化就是模型的准确度不再是用metric模块，而是Estimator自带的模块。

如果大家有什么问题欢迎留言

Reference

[1] 

[2] 

[3] 

本文摘自人民邮电出版社异步社区，点击下方阅读原文查看更多。

延伸推荐

点击关键词阅读更多新书：

||||||

在“异步图书”后台回复“关注”，即可免费获得2000门在线视频课程；推荐朋友关注根据提示获取赠书链接，免费得异步图书一本。赶紧来参加哦！

点击阅读原文，查看本书更多信息

扫一扫上方二维码，回复“关注”参与活动！