Python tf.compat.v1.estimator.Estimator用法及代码示例

参数

• model_fn 模型函数。遵循签名：
  • features -- 这是从 input_fn 返回的第一项，传递给 train , evaluate 和 predict 。这应该是一个相同的 tf.Tensor 或 dict。
  • labels -- 这是从传递给 train , evaluate 和 predict 的 input_fn 返回的第二项。这应该是相同的单个tf.Tensor 或dict(对于multi-head 型号)。如果 mode 是 tf.estimator.ModeKeys.PREDICT ， labels=None 将被传递。如果 model_fn 的签名不接受 mode ，则 model_fn 必须仍然能够处理 labels=None 。
  • mode -- 可选。指定这是训练、评估还是预测。见tf.estimator.ModeKeys。 params -- 可选的 dict 超参数。将接收 params 参数中传递给 Estimator 的内容。这允许通过超参数调整来配置 Estimator。
  • config -- 可选的 estimator.RunConfig 对象。将接收作为其config 参数或默认值传递给 Estimator 的内容。允许根据 num_ps_replicas 或 model_dir 等配置在 model_fn 中进行设置。
  • 返回 -- tf.estimator.EstimatorSpec
• model_dir 保存模型参数、图形等的目录。这也可用于将检查点从目录加载到估计器中，以继续训练先前保存的模型。如果PathLike 对象，路径将被解析。如果 None ，如果设置，将使用 config 中的 model_dir。如果两者都设置，则它们必须相同。如果两者都是 None ，将使用临时目录。
• config estimator.RunConfig 配置对象。
• params dict 的超参数将被传递到 model_fn 。键是参数的名称，值是基本的 Python 类型。
• warm_start_from 检查点或 SavedModel 的可选字符串文件路径以进行热启动，或 tf.estimator.WarmStartSettings 对象以完全配置热启动。如果没有，只有 TRAINABLE 变量是热启动的。如果提供了字符串文件路径而不是 tf.estimator.WarmStartSettings ，则所有变量都是热启动的，并且假定词汇表和 tf.Tensor 名称不变。

抛出

• ValueError model_fn 的参数与 params 不匹配。
• ValueError 如果这是通过子类调用的，并且该类覆盖了 Estimator 的成员。

属性

• config
• model_dir
• model_fn 返回绑定到 self.params 的 model_fn 。
• params