當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python tf.estimator.BaselineRegressor用法及代碼示例


可以建立簡單基線的回歸器。

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，Estimator

用法

tf.estimator.BaselineRegressor(
    model_dir=None, label_dimension=1, weight_column=None,
    optimizer='Ftrl', config=None,
    loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE
)

參數

  • model_dir 保存模型參數、圖形等的目錄。這也可用於將檢查點從目錄加載到估計器中，以繼續訓練先前保存的模型。
  • label_dimension 每個示例的回歸目標數。這是標簽和 logits Tensor 對象的最後一個維度的大小(通常，這些對象的形狀為 [batch_size, label_dimension] )。
  • weight_column 由 tf.feature_column.numeric_column 創建的字符串或 _NumericColumn 定義表示權重的特征列。它將乘以示例的損失。
  • optimizer 字符串、tf.keras.optimizers.* 對象或可調用，用於創建用於訓練的優化器。如果未指定，將使用 Ftrl 作為默認優化器。
  • config RunConfig 對象來配置運行時設置。
  • loss_reduction tf.losses.Reduction 之一，除了 NONE 。說明如何減少批量訓練損失。默認為 SUM_OVER_BATCH_SIZE 。

屬性

  • config
  • export_savedmodel
  • model_dir
  • model_fn 返回綁定到 self.params 的 model_fn 。
  • params

該回歸器忽略特征值，將學習預測每個標簽的平均值。

例子：

# Build BaselineRegressor
regressor = tf.estimator.BaselineRegressor()

# 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.
regressor.train(input_fn=input_fn_train)

# Evaluate squared-loss between the test and train targets.
loss = regressor.evaluate(input_fn=input_fn_eval)["loss"]

# predict outputs the mean value seen during training.
predictions = regressor.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 不是 None ，則具有 key=weight_column 的特征，其值為 Tensor 。

相關用法


注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.estimator.BaselineRegressor。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。