Tensorflow高階API
阿新 • • 發佈:2019-02-10
- 本文個人部落格地址:點選檢視
一、Estimator
1、介紹
- 程式設計堆疊
Estimator
:代表一個完整的模型。Estimator API
提供一些方法來訓練模型、判斷模型的準確率並生成預測。- 資料集:構建資料輸入管道。
Dataset API
提供一些方法來載入和操作資料,並將資料饋送到您的模型中。Dataset API
與Estimator API
合作無間
2、鳶尾花進行分類
- 資料集介紹:4個屬性,分為3類:
花萼長度 | 花萼寬度 | 花瓣長度 | 花瓣寬度 | 品種(標籤) |
---|---|---|---|---|
5.1 | 3.3 | 1.7 | 0.5 | 0(山鳶尾) |
5.0 | 2.3 | 3.3 | 1.0 | 1(變色鳶尾) |
6.4 | 2.8 | 5.6 | 2.2 | 2(維吉尼亞鳶尾) |
- 網路模型
3、實現
Estimator
是TensorFlow
對完整模型的高階表示。它會處理初始化、日誌記錄、儲存和恢復等細節部分,並具有很多其他功能,以便您可以專注於模型。
3.1 預建立模型
- 完整程式碼:點選檢視
- 匯入包和引數配置
import tensorflow as tf
import argparse
import iris_data
# 超引數
parser = argparse.ArgumentParser()
parser.add_argument('--batch_size', default= 100, type=int, help="batch size")
parser.add_argument('--train_steps', default=1000, type=int, help="number of training steps")
- 構建模型
- 特徵列:
feature_column
:特徵列是一個物件,用於說明模型應該如何使用特徵字典中的原始輸入資料。在構建Estimator
模型時,您會向其傳遞一個特徵列的列表,其中包含您希望模型使用的每個特徵。tf.feature_column
模組提供很多用於向模型表示資料的選項。- 對於鳶尾花問題,4 個原始特徵是數值,因此我們會構建一個特徵列的列表,以告知
Estimator
- 對於鳶尾花問題,4 個原始特徵是數值,因此我們會構建一個特徵列的列表,以告知
- 例項化
Estimator
: 使用的是預建立模型cls = tf.estimator.DNNClassifier()
模型 - 訓練模型
cls.train(input_fn, hooks=None, steps=None, max_steps=None, saving_listeners=None)
:input_fn
指定輸入的函式,包含(features, labels)
的tf.data.Dataset
型別的資料steps
引數告知方法在訓練多少步後停止訓練。
- 評估經過訓練的模型:
eval_res = cls.evaluate(input_fn, steps=None, hooks=None, checkpoint_path=None, name=None)
- 輸入和訓練資料一致
- 返回的有
{'accuracy': 1.0, 'loss': 3.936471, 'average_loss': 0.1312157, 'global_step': 100}
- 預測:
predictions = cls.predict(input_fn, predict_keys=None, hooks=None, checkpoint_path=None, yield_single_examples=True)
- 輸入資料為
batch_size
的測試資料,不包含label
,返回生成器結果
- 輸入資料為
- 特徵列:
def main(argv):
args = parser.parse_args(argv[1:])
# 載入資料, pandas型別
(train_x, train_y), (test_x, test_y) = iris_data.load_data()
# feature columns描述如何使用輸入資料
my_feature_columns = []
for key in train_x.keys():
my_feature_columns.append(tf.feature_column.numeric_column(key = key))
# 建立模型
cls = tf.estimator.DNNClassifier(hidden_units=[10,10], feature_columns=my_feature_columns,
n_classes=3)
# 訓練模型
cls.train(input_fn=lambda:iris_data.train_input_fn(train_x, train_y, args.batch_size),
steps=args.train_steps)
# 評價模型
eval_res = cls.evaluate(input_fn=lambda:iris_data.eval_input_fn(test_x, test_y, args.batch_size))
print("\n Test Set accuracy: {:0.3f}\n".format(eval_res['accuracy']))
# 預測
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
'SepalLength': [5.1, 5.9, 6.9],
'SepalWidth': [3.3, 3.0, 3.1],
'PetalLength': [1.7, 4.2, 5.4],
'PetalWidth': [0.5, 1.5, 2.1],
}
predictions = cls.predict(input_fn=lambda:iris_data.eval_input_fn(predict_x,
labels=None,
batch_size=args.batch_size))
template = ('\n Prediction is "{}" ({:.1f}%), expected "{}"' )
for pred_dict, expec in zip(predictions, expected):
class_id = pred_dict['class_ids'][0]
prob = pred_dict['probabilities'][class_id]
print(template.format(iris_data.SPECIES[class_id], 100*prob, expec))
- 執行函式
tf.app.run(main=main)
會先解析命令列引數,然後執行main
函式
if __name__ == "__main__":
tf.logging.set_verbosity(tf.logging.INFO)
tf.app.run(main=main)
- 儲存和載入模型
- 指定模型地址即可:
model_dir
,在第一次訓練時會儲存模型
- 如果未在
Estimator
的建構函式中指定model_dir
,則Estimator
會將檢查點檔案寫入由Python
的tempfile.mkdtemp
函式選擇的臨時目錄中,可以print(classifier.model_dir)
檢視
- 如果未在
- 檢查點頻率:
- 預設
- 每
10
分鐘(600
秒)寫入一個檢查點。 - 在
train
方法開始(第一次迭代)和完成(最後一次迭代)時寫入一個檢查點。 - 只在目錄中保留
5
個最近寫入的檢查點。
- 每
- 自己配置:
- 預設
- 指定模型地址即可:
my_checkpoint_config = tf.estimator.RunConfig(save_checkpoints_secs = 20*60, # 每20分鐘儲存一次
keep_checkpoint_max = 10) # 儲存10個最近的檢查點
cls = tf.estimator.DNNClassifier(hidden_units=[10,10], feature_columns=my_feature_columns,
n_classes=3,
model_dir='model/',
config=my_checkpoint_config)
-
- 載入模型
- 不需要改動,一旦存在檢查點,
TensorFlow
就會在您每次呼叫train()
、evaluate()
或predict()
時重建模型。
- 不需要改動,一旦存在檢查點,
- 載入模型
3.2 自定義模型
- 完整程式碼:點選檢視
- 預建立的
Estimator
是tf.estimator.Estimator
基類的子類,而自定義Estimator
是tf.estimator.Estimator
的例項
- 建立模型
- 模型函式(即
model_fn
)會實現機器學習演算法 params
引數會傳遞給自己實現的模型
- 模型函式(即
cls = tf.estimator.Estimator(model_fn=my_model,
params={
'feature_columns': my_feature_columns,
'hidden_units': [10, 10],
'num_classes': 3
})
- 自定義
my_model
函式:- 輸入層指定輸入的資料和對應的
feature columns
- 隱藏層通過
tf.layers.dense()
建立 - 通過
mode
來判斷是訓練、評價還是預測操作,返回必須是tf.estimator.EstimatorSpec
物件
- 輸入層指定輸入的資料和對應的
def my_model(features, labels, mode, params):
'''自定義模型
---------------------------------------------
features: 輸入資料
labels : 標籤資料
mode : 指示是訓練、評價還是預測
params : 構建模型的引數
'''
net = tf.feature_column.input_layer(features=features,
feature_columns=params['feature_columns']) # 輸入層
for units in params['hidden_units']: # 隱藏層,遍歷引數配置
net = tf.layers.dense(inputs=net, units=units, activation=tf.nn.relu)
logits = tf.layers.dense(net, params['num_classes'], activation=None)
pred = tf.argmax(logits, 1) # 預測結果
if mode == tf.estimator.ModeKeys.PREDICT:
predictions = {
'class_ids': pred[:, tf.newaxis],
'probabilities': tf.nn.softmax(logits),
'logits': logits,
}
return tf.estimator.EstimatorSpec(mode, predictions=predictions)
# 計算loss
loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)
# 計算評價資訊
accuracy = tf.metrics.accuracy(labels=labels, predictions=pred,
name='acc_op')
metrics = {'accuracy': accuracy}
tf.summary.scalar(name='accuracy', tensor=accuracy[1])
if mode == tf.estimator.ModeKeys.EVAL:
return tf.estimator.EstimatorSpec(mode, loss=loss, eval_metric_ops=metrics)
# 訓練操作
assert mode == tf.estimator.ModeKeys.TRAIN
optimizer = tf.train.AdagradOptimizer(learning_rate=0.1)
train_op = optimizer.minimize(loss=loss, global_step=tf.train.get_global_step())
return tf.estimator.EstimatorSpec(mode, loss=loss, train_op=train_op)
- 在
TensorBoard
中檢視自定義Estimator
的訓練結果。(預定義的模型結果展示更豐富一些)tensorboard --logdir=PATH
- global_step/sec:這是一個性能指標,顯示我們在進行模型訓練時每秒處理的批次數(梯度更新)。
- loss:所報告的損失。
- accuracy:準確率由下列兩行記錄:
- eval_metric_ops={‘my_accuracy’: accuracy})(評估期間)。
- tf.summary.scalar(‘accuracy’, accuracy1)(訓練期間)。
二、Dataset
tf.data
模組包含一系列類,可讓輕鬆地載入資料、操作資料並通過管道將資料傳送到模型中。
1、基本輸入
- 從陣列中提取接片,上面用到的程式碼
-
feature
:特徵資料,為feature-name: array
的字典或者DataFrame
-
labels
: 標籤陣列 -
from_tensor_slices
會按第一個維度進行切片,比如輸入為[6000, 28, 28]
維度的資料,切片後返回6000
個28, 28
的Dataset
物件 -
shuffle
方法使用一個固定大小的緩衝區,在條目經過時隨機化處理條目。在這種情況下,buffer_size
大於Dataset
中樣本的數量,確保資料完全被隨機化處理。 -
repeat
方法會在結束時重啟Dataset
。要限制週期數量,請設定count
引數。 -
batch
方法會收集大量樣本並將它們堆疊起來以建立批次。這為批次的形狀增加了一個維度。新的維度將新增為第一個維度。
-
def train_input_fn(features, labels, batch_size):
"""訓練集輸入函式"""
dataset = tf.data.Dataset.from_tensor_slices((dict(features,), labels)) # 轉化為Dataset
dataset = dataset.shuffle(buffer_size=1000).repeat().batch(batch_size) # Shuffle, batch
return dataset
2、讀取CSV檔案
- 程式碼
- 處理一行資料,
line: tf.string
型別
CSV_TYPES = [[0.0], [0.0], [0.0], [0.0], [0]]
def _parse_line(line):
'''解析一行資料'''
field = tf.decode_csv(line, record_defaults=CSV_TYPES)
features = dict(zip(CSV_COLUMN_NAMES, field))
labels = features.pop("Species")
return features, labels
- 處理
text
檔案,得到dataset
- 讀取文字型別為:
<SkipDataset shapes: (), types: tf.string>
- 然後使用
map
函式,每個物件處理
- 讀取文字型別為:
def csv_input_fn(csv_path, batch_size):
'''csv檔案輸入函式'''
dataset = tf.data.TextLineDataset(csv_path).skip(1) # 跳過第一行
dataset = dataset.map(_parse_line) # 應用map函式處理dataset中的每一個元素
dataset = dataset.shuffle(1000).repeat().batch(batch_size)
return dataset