Python tf.compat.v1.estimator.BaselineEstimator用法及代碼示例

可以建立簡單基線的估計器。

警告：不建議將估算器用於新代碼。估算器運行tf.compat.v1.Session-style 代碼更難正確編寫，並且可能出現意外行為，尤其是與 TF 2 代碼結合使用時。估算器確實屬於我們的兼容性保證，但不會收到除安全漏洞以外的任何修複。見遷移指南詳情。

繼承自：Estimator

用法

tf.compat.v1.estimator.BaselineEstimator(
    head, model_dir=None, optimizer='Ftrl', config=None
)

估計器使用用戶指定的頭部。

該估計器忽略特征值，將學習預測每個標簽的平均值。例如：對於single-label 分類問題，這將預測標簽中看到的類的概率分布。對於多標簽分類問題，它將預測包含每個類的示例的比例。

例子：

# Build baseline multi-label classifier.
estimator = tf.estimator.BaselineEstimator(
    head=tf.estimator.MultiLabelHead(n_classes=3))

# Input builders
def input_fn_train:
  # Returns tf.data.Dataset of (x, y) tuple where y represents label's class
  # index.
  pass

def input_fn_eval:
  # Returns tf.data.Dataset of (x, y) tuple where y represents label's class
  # index.
  pass

# Fit model.
estimator.train(input_fn=input_fn_train)

# Evaluates cross entropy between the test and train labels.
loss = estimator.evaluate(input_fn=input_fn_eval)["loss"]

# For each class, predicts the ratio of training examples that contain the
# class.
predictions = estimator.predict(new_samples)

train 和 evaluate 的輸入應具有以下特征，否則會出現 KeyError ：

• 如果 weight_column 在 head 構造函數(而不是 None )中為傳遞給 BaselineEstimator 構造函數的頭部指定了 key=weight_column ，其值為 Tensor 。