tf.estimator

参考 tf.estimator - 云+社区 - 腾讯云

一、概述

1、模块

• experimental模块
• export模块
• inputs模块
• tpu模块

2、类

• class BaselineClassifier: 一个可以建立简单基线的分类器。
• class BaselineEstimator: 能够建立简单基线的估计量。
• class BaselineRegressor: 一个可以建立简单基线的回归函数。
• class BestExporter: 该类导出最佳模型的服务图和检查点。
• class BoostedTreesClassifier: 一个用于张量流增强树模型的分类器。
• class BoostedTreesEstimator: 一个张力流增强树模型的估计器。
• class BoostedTreesRegressor: 一个用于张力流增强树模型的回归器。
• class CheckpointSaverHook: 每N步或秒保存一个检查点。
• class CheckpointSaverListener: 用于在检查点保存之前或之后执行操作的侦听器的接口。
• class DNNClassifier: 一个用于神经网络模型的分类器。
• class DNNEstimator: 一个具有用户指定头部的TensorFlow DNN模型的估计器。
• class DNNLinearCombinedClassifier: 张力流线性和DNN联合分类模型的估计。
• class DNNLinearCombinedEstimator: 一个自定义头部的线性和DNN连接模型的估计器。
• class DNNLinearCombinedRegressor: 一个估计的张量流线性和DNN连接模型的回归。
• class DNNRegressor: 张量流DNN模型的回归器。
• class Estimator: 用来训练和评估张量流模型的Estimator类。
• class EstimatorSpec: 操作和对象从model_fn返回并传递给评估器。
• class EvalSpec: train_and_evaluate调用的“eval”部分的配置。
• class Exporter: 表示模型导出类型的类。
• class FeedFnHook: 运行feed_fn并相应地设置feed_dict。
• class FinalExporter: 该类在末尾导出服务图和检查点。
• class FinalOpsHook: 在会话结束时计算张量的钩子。
• class GlobalStepWaiterHook: 延迟执行，直到全局步骤到达wait_until_step。
• class LatestExporter: 该类定期导出服务图和检查点。
• class LinearClassifier: 线性分类器模型。
• class LinearEstimator: 一种具有用户指定磁头的张量流线性模型的估计器。
• class LinearRegressor: 张力流线性回归问题的估计量。
• class LoggingTensorHook: 每N个局部步骤、每N秒或在末尾打印给定的张量。
• class ModeKeys: 估计器模型模式的标准名称。
• class NanLossDuringTrainingError
• class NanTensorHook: 监控损耗张量，如果损耗为NaN，则停止训练。
• class ProfilerHook: 每N步或每秒捕获CPU/GPU分析信息。
• class RunConfig: 该类指定运行估计器的配置。
• class SecondOrStepTimer: 每N秒或每N步最多触发一次的计时器。
• class SessionRunArgs: 表示要添加到会话.run()调用中的参数。
• class SessionRunContext: 提供有关正在执行的session.run()调用的信息。
• class SessionRunHook: 钩子来扩展对monitoredssession .run()的调用。
• class SessionRunValues: 包含Session.run()的结果。
• class StepCounterHook: 每秒钟计算步数的钩子。
• class StopAtStepHook: 请求在指定步骤停止的钩子。
• class SummarySaverHook: 保存每N个步骤的摘要。
• class TrainSpec: 为train_and_evaluate调用配置“train”部分。
• class VocabInfo: 热身词汇信息。
• class WarmStartSettings: 在tf.estimator.Estimators中设置热启动。

3、函数

• add_metrics(...): 创建一个新的tf.estimator.Estimator，它已经给出了度量。
• classifier_parse_example_spec(...): 为tf生成解析规范。用于分类器的parse_example。
• regressor_parse_example_spec(...): 为tf生成解析规范。用于回归函数的parse_example。
• train_and_evaluate(...): 训练和评估评估估计器。

二、重要的函数和类

操作和对象从model_fn返回并传递给评估器。

性质：

mode

predictions

loss

train_op

eval_metric_ops

export_outputs

training_chief_hooks

training_hooks

scaffold

evaluation_hooks

prediction_hooks