tf.estimator Quickstart（tf.estimator快速入门）

tf.estimator快速入门

TensorFlow的高级机器学习API（tf.estimator）可以轻松配置，训练和评估各种机器学习模型。在本教程中，您将使用tf.estimator构建神经网络分类器，并在Iris数据集上对其进行训练，以根据萼片/花瓣几何图形预测花朵种类。您将编写代码来执行以下五个步骤：

1. 将包含IRIS训练/测试数据的CSV加载到TensorFlow的 Dataset 中

2. 构建一个神经网络分类器

3. 使用训练数据训练模型

4. 评估模型的准确性

5. 分类新样品

注意：在开始本教程之前，请记住在您的机器上安装TensorFlow。

完整的神经网络源代码

以下是神经网络分类器的完整代码：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
from six.moves.urllib.request import urlopen

import numpy as np
import tensorflow as tf

# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"

IRIS_TEST = "iris_test.csv"
IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

def main():
  # If the training and test sets aren't stored locally, download them.
  if not os.path.exists(IRIS_TRAINING):
    raw = urlopen(IRIS_TRAINING_URL).read()
    with open(IRIS_TRAINING, "wb") as f:
      f.write(raw)

  if not os.path.exists(IRIS_TEST):
    raw = urlopen(IRIS_TEST_URL).read()
    with open(IRIS_TEST, "wb") as f:
      f.write(raw)

  # Load datasets.
  training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TRAINING,
      target_dtype=np.int,
      features_dtype=np.float32)
  test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TEST,
      target_dtype=np.int,
      features_dtype=np.float32)

  # Specify that all features have real-value data
  feature_columns = [tf.feature_column.numeric_column("x", shape=[4])]

  # Build 3 layer DNN with 10, 20, 10 units respectively.
  classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                                          hidden_units=[10, 20, 10],
                                          n_classes=3,
                                          model_dir="/tmp/iris_model")
  # Define the training inputs
  train_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": np.array(training_set.data)},
      y=np.array(training_set.target),
      num_epochs=None,
      shuffle=True)

  # Train model.
  classifier.train(input_fn=train_input_fn, steps=2000)

  # Define the test inputs
  test_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": np.array(test_set.data)},
      y=np.array(test_set.target),
      num_epochs=1,
      shuffle=False)

  # Evaluate accuracy.
  accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]

  print("\nTest Accuracy: {0:f}\n".format(accuracy_score))

  # Classify two new flower samples.
  new_samples = np.array(
      [[6.4, 3.2, 4.5, 1.5],
       [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)
  predict_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": new_samples},
      num_epochs=1,
      shuffle=False)

  predictions = list(classifier.predict(input_fn=predict_input_fn))
  predicted_classes = [p["classes"] for p in predictions]

  print(
      "New Samples, Class Predictions:    {}\n"
      .format(predicted_classes))

if __name__ == "__main__":
    main()

以下部分详细介绍了代码。

将鸢尾花CSV数据加载到TensorFlow

该鸢尾花数据集包含150行数据，包括50个样品来自三个相关鸢尾种类：山鸢尾，虹膜锦葵，和变色鸢尾。

从左到右，山鸢尾 （由 Radomil，CC BY-SA 3.0），变色鸢尾（ Dlanglois，CC BY-SA 3.0）和 锦葵鸢尾(byFrank Mayfield, CC BY-SA 2.0).

每行包含每个花样的以下数据：萼片长度，萼片宽度，花瓣长度，花瓣宽度和花朵种类。花物种被表示为整数，其中0表示鸢尾花，1表示鸢尾花，2表示鸢尾花。

Sepal Length	Sepal Width	Petal Length	Petal Width	Species
5.1	3.5	1.4	0.2	0
4.9	3.0	1.4	0.2	0
4.7	3.2	1.3	0.2	0
…	…	…	…	…
7.0	3.2	4.7	1.4	1
6.4	3.2	4.5	1.5	1
6.9	3.1	4.9	1.5	1
…	…	…	…	…
6.5	3.0	5.2	2.0	2
6.2	3.4	5.4	2.3	2
5.9	3.0	5.1	1.8	2

在本教程中，鸢尾花数据已被随机分成两个独立的CSV：

120个样本的训练集（iris_training.csv）

30个样本的测试集（iris_test.csv）。

开始，首先导入所有必需的模块，并定义下载和存储数据集的位置：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
from six.moves.urllib.request import urlopen

import tensorflow as tf
import numpy as np

IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"

IRIS_TEST = "iris_test.csv"
IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

然后，如果训练和测试集尚未存储在本地，请下载它们。

if not os.path.exists(IRIS_TRAINING):
  raw = urlopen(IRIS_TRAINING_URL).read()
  with open(IRIS_TRAINING,'wb') as f:
    f.write(raw)

if not os.path.exists(IRIS_TEST):
  raw = urlopen(IRIS_TEST_URL).read()
  with open(IRIS_TEST,'wb') as f:
    f.write(raw)

接下来，使用learn.datasets.base中的load_csv_with_header(）方法将训练和测试集加载到Datasets 中。该load_csv_with_header()方法需要三个必需的参数：

filename，它将文件路径转换为CSV文件

target_dtype，它采用数据集目标值中的numpy 数据类型。

features_dtype，它采用数据集特征值中的numpy 数据类型。

在这里，目标（你正在训练模型来预测的值）是花种，它是一个从0到2的整数，所以适当的numpy数据类型是np.int：

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TRAINING,
    target_dtype=np.int,
    features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TEST,
    target_dtype=np.int,
    features_dtype=np.float32)

Datasets 在 tf.contrib.learn中被命名为元组 ; 您可以通过data和target字段访问功能数据和目标值。在这里，training_set.data和training_set.target包含用于训练集，分别特征数据和目标值，test_set.data与test_set.target含有特征数据和目标值的测试集。

稍后，在“将DNNClassifier安装到虹膜培训数据”中，您将使用training_set.data和training_set.target训练您的模型，并在“评估模型精度”中，您将使用test_set.data和test_set.target。但首先，您将在下一节中构建您的模型。

构建深度神经网络分类器

tf.estimator提供了多种预定义的模型，称为Estimators，您可以使用“开箱即用”对数据运行培训和评估操作。在这里，您将配置深度神经网络分类器模型以适应虹膜数据。使用tf.estimator，你可以tf.estimator.DNNClassifier用几行代码实例化你的代码：

# Specify that all features have real-value data
feature_columns = [tf.feature_column.numeric_column("x", shape=[4])]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                                        hidden_units=[10, 20, 10],
                                        n_classes=3,
                                        model_dir="/tmp/iris_model")

上面的代码首先定义模型的特征列，它指定数据集中特征的数据类型。所有特征数据都是连续的，所以tf.feature_column.numeric_column用于构造特征列的功能也是适用的。数据集中有四个特征（萼片宽度，萼片高度，花瓣宽度和花瓣高度），因此shape必须设置[4]为保存所有数据。

然后，代码DNNClassifier使用以下参数创建一个模型：

feature_columns=feature_columns。上面定义的一组特征列。

hidden_units=[10, 20, 10]。三个隐藏层，分别包含10个，20个和10个神经元。

n_classes=3。三个目标类别，代表三个虹膜物种。

model_dir=/tmp/iris_model。TensorFlow将在模型训练期间保存检查点数据和TensorBoard摘要的目录。

描述训练输入流水线

tf.estimatorAPI使用输入功能，其创建用于生成模型数据中TensorFlow操作。我们可以用tf.estimator.inputs.numpy_input_fn来生成输入管道：

# Define the training inputs
train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": np.array(training_set.data)},
    y=np.array(training_set.target),
    num_epochs=None,
    shuffle=True)

将DNNClassifier安装到虹膜培训数据

现在您已经配置了DNN classifier模型，您可以使用该train方法将其适用于Iris训练数据。通过train_input_fn作为input_fn和要训练的步数（这里是2000年）：

# Train model.
classifier.train(input_fn=train_input_fn, steps=2000)

模型的状态保存在classifier，这意味着如果你喜欢，你可以迭代训练。例如，以上等同于以下内容：

classifier.train(input_fn=train_input_fn, steps=1000)
classifier.train(input_fn=train_input_fn, steps=1000)

但是，如果您希望在训练时跟踪模型，则可能需要使用TensorFlow SessionRunHook来执行日志记录操作。

Evaluate Model Accuracy

您已经在Iris训练数据上训练了您的DNNClassifier模型; 现在，您可以使用该evaluate方法检查虹膜测试数据的准确性。就像train，evaluate建立输入管道的输入函数。evaluate将dict评估结果返回给s。以下代码传递Iris测试数据 - test_set.data和test_set.target- 去评估并从结果中打印出accuracy：

# Define the test inputs
test_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": np.array(test_set.data)},
    y=np.array(test_set.target),
    num_epochs=1,
    shuffle=False)

# Evaluate accuracy.
accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]

print("\nTest Accuracy: {0:f}\n".format(accuracy_score))

注意：这里的num_epochs=1参数numpy_input_fn很重要。test_input_fn将迭代数据一次，然后提高OutOfRangeError。这个错误表示分类器停止评估，因此它将对输入进行一次评估。

当你运行完整的脚本时，它将打印出一些接近于：

Test Accuracy: 0.966667

您的准确性结果可能会有所不同，但应高于90％。一个相对较小的数据集不坏！

分类新样品

使用估计器的predict()方法来分类新样本。例如，假设你有这两个新的花样：

Sepal Length	Sepal Width	Petal Length	Petal Width
6.4	3.2	4.5	1.5
5.8	3.1	5.0	1.7

您可以使用该predict()方法预测其物种。predict返回一个字符串生成器，可以很容易地将其转换为列表。以下代码检索并打印类预测：

# Classify two new flower samples.
new_samples = np.array(
    [[6.4, 3.2, 4.5, 1.5],
     [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)
predict_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": new_samples},
    num_epochs=1,
    shuffle=False)

predictions = list(classifier.predict(input_fn=predict_input_fn))
predicted_classes = [p["classes"] for p in predictions]

print(
    "New Samples, Class Predictions:    {}\n"
    .format(predicted_classes))

你的结果应该如下所示：

New Samples, Class Predictions:    [1 2]

因此，模型预测第一个样本是变色鸢尾花，第二个样本是虹膜锦葵。

其他资源

要了解有关使用tf.estimator创建线性模型的更多信息，请参阅使用TensorFlow的大规模线性模型。

要使用tf.estimator API构建您自己的Estimator，请查看tf.estimator中的Creating Estimators。

要在浏览器中尝试神经网络建模和可视化，请查看Deep Playground。

有关神经网络的更高级教程，请参阅卷积神经网络和递归神经网络。

Sepal Length	Sepal Width	Petal Length	Petal Width	Species
5.1	3.5	1.4	0.2	0
4.9	3.0	1.4	0.2	0
4.7	3.2	1.3	0.2	0
…	…	…	…	…
7.0	3.2	4.7	1.4	1
6.4	3.2	4.5	1.5	1
6.9	3.1	4.9	1.5	1
…	…	…	…	…
6.5	3.0	5.2	2.0	2
6.2	3.4	5.4	2.3	2
5.9	3.0	5.1	1.8	2

Sepal Length	Sepal Width	Petal Length	Petal Width	Species
5.1	3.5	1.4	0.2	0
4.9	3.0	1.4	0.2	0
4.7	3.2	1.3	0.2	0
…	…	…	…	…
7.0	3.2	4.7	1.4	1
6.4	3.2	4.5	1.5	1
6.9	3.1	4.9	1.5	1
…	…	…	…	…
6.5	3.0	5.2	2.0	2
6.2	3.4	5.4	2.3	2
5.9	3.0	5.1	1.8	2

Sepal Length	Sepal Width	Petal Length	Petal Width	Species
5.1	3.5	1.4	0.2	0
4.9	3.0	1.4	0.2	0
4.7	3.2	1.3	0.2	0
…	…	…	…	…
7.0	3.2	4.7	1.4	1
6.4	3.2	4.5	1.5	1
6.9	3.1	4.9	1.5	1
…	…	…	…	…
6.5	3.0	5.2	2.0	2
6.2	3.4	5.4	2.3	2
5.9	3.0	5.1	1.8	2