机器学习速成课程MLCC(4)--使用TensorFlow的基本步骤
2018-03-07 21:52
232 查看
TensorFlow工具包预计用时:4 分钟下图显示了 TensorFlow 工具包的当前层次结构:
图 1. TensorFlow 工具包层次结构。下表总结了不同层的用途:
TensorFlow 由以下两个组件组成:图协议缓冲区
执行(分布式)图的运行时
这两个组件类似于 Java 编译器和 JVM。正如 JVM 会实施在多个硬件平台(CPU 和 GPU)上一样,TensorFlow 也是如此。您应该使用哪个 API?您应该使用能够解决问题的最高级抽象层。较高级别的抽象层更易于使用,但(设计方面)不够灵活。我们建议您先从最高级 API 入手,让所有组件正常运作起来。如果您希望在某些特殊建模方面能够更加灵活一些,则可以降低一个级别。请注意,每个级别都是使用低级 API 构建的,因此降低层次结构级别应该比较直观。
图 1. TensorFlow 工具包层次结构。下表总结了不同层的用途:
工具包< 4000 /th> | 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 |
执行(分布式)图的运行时
这两个组件类似于 Java 编译器和 JVM。正如 JVM 会实施在多个硬件平台(CPU 和 GPU)上一样,TensorFlow 也是如此。您应该使用哪个 API?您应该使用能够解决问题的最高级抽象层。较高级别的抽象层更易于使用,但(设计方面)不够灵活。我们建议您先从最高级 API 入手,让所有组件正常运作起来。如果您希望在某些特殊建模方面能够更加灵活一些,则可以降低一个级别。请注意,每个级别都是使用低级 API 构建的,因此降低层次结构级别应该比较直观。
tf.estimator API
我们将使用 tf.estimator 来完成机器学习速成课程中的大部分练习。您在练习中所做的一切都可以在较低级别(原始)的 TensorFlow 中完成,但使用 tf.estimator 会大大减少代码行数。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,拥有超过 10 万名用户,其中包括许多 Google 员工。概括而言,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)
相关文章推荐
- 机器学习速成课程笔记10:使用TF的基本步骤
- 机器学习速成课程MLCC(1)--机器学习主要术语
- 【机器学习】Tensorflow基本使用
- 机器学习官方速成课程编程练习:(TensorFlow) Hello World
- 机器学习速成课程MLCC(5)--正则化
- google谷歌今日上线基于TensorFlow的机器学习速成课程
- 机器学习速成课程MLCC(10)--训练神经网络(编程练习)
- 学习了!谷歌今日上线基于TensorFlow的机器学习速成课程(中文版)
- 机器学习速成课程MLCC(2)--深入了解机器学习 (Descending into ML)
- Google---机器学习速成课程(一)-基本概念
- “使用TensorFlow的基本步骤”之实践
- 【机器学习】Tensorflow基本使用
- 机器学习官方速成课程编程练习:TensorFlow 编程概念
- tensorflow实现机器学习模型的基本步骤
- hibernate的基本使用步骤
- 谷歌机器学习速成课程——资料集
- [学习笔记] TensorFlow 入门之基本使用
- 伯克利-2017年机器学习速成课程分享
- 使用阿里云ECS发布网站的基本步骤
- 课程推荐 | 手把手教你如何使用TensorFlow构建英语单词发音预测系统