預先建立的估算器

在 TensorFlow.org 上檢視 在 Google Colab 中執行 在 GitHub 上檢視原始碼 下載筆記本

本教學課程說明如何使用估算器在 TensorFlow 中解決鳶尾花分類問題。估算器是 TensorFlow 高階表示法的舊版，代表完整的模型。如需更多詳細資訊，請參閱估算器。

首先要知道的事

為了開始使用，您首先需要匯入 TensorFlow 和一些您會需要的程式庫。

import tensorflow as tf

import pandas as pd

資料集

本文件中的範例程式會建立並測試一個模型，該模型根據鳶尾花萼片和花瓣的大小，將鳶尾花分為三個不同的品種。

您將使用鳶尾花資料集訓練模型。鳶尾花資料集包含四個特徵和一個標籤。這四個特徵可識別出個別鳶尾花的下列植物學特徵

  • 萼片長度
  • 萼片寬度
  • 花瓣長度
  • 花瓣寬度

根據這些資訊，您可以定義一些有助於剖析資料的常數

CSV_COLUMN_NAMES = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
SPECIES = ['Setosa', 'Versicolor', 'Virginica']

接下來，使用 Keras 和 Pandas 下載並剖析鳶尾花資料集。請注意，您會保留不同的資料集以進行訓練和測試。

train_path = tf.keras.utils.get_file(
    "iris_training.csv", "https://storage.googleapis.com/download.tensorflow.org/data/iris_training.csv")
test_path = tf.keras.utils.get_file(
    "iris_test.csv", "https://storage.googleapis.com/download.tensorflow.org/data/iris_test.csv")

train = pd.read_csv(train_path, names=CSV_COLUMN_NAMES, header=0)
test = pd.read_csv(test_path, names=CSV_COLUMN_NAMES, header=0)

您可以檢查您的資料，以查看您有四個浮點特徵欄和一個 int32 標籤。

train.head()

針對每個資料集，拆分出標籤，模型將會經過訓練來預測這些標籤。

train_y = train.pop('Species')
test_y = test.pop('Species')

# The label column has now been removed from the features.
train.head()

使用估算器進行程式設計的總覽

現在您已設定好資料集，您可以使用 TensorFlow 估算器定義模型。估算器是衍生自 tf.estimator.Estimator 的任何類別。TensorFlow 提供 tf.estimator (例如，LinearRegressor) 的集合，以實作常見的 ML 演算法。除此之外，您可以編寫自己的自訂估算器。建議剛開始使用時使用預先建立的估算器。

若要根據預先建立的估算器編寫 TensorFlow 程式，您必須執行下列工作

  • 建立一或多個輸入函式。
  • 定義模型的特徵欄。
  • 例項化估算器，指定特徵欄和各種超參數。
  • 在 Estimator 物件上呼叫一或多個方法，並傳遞適當的輸入函式作為資料來源。

讓我們看看如何針對鳶尾花分類實作這些工作。

建立輸入函式

您必須建立輸入函式，以提供用於訓練、評估和預測的資料。

輸入函式是一個函式，會傳回 tf.data.Dataset 物件，此物件會輸出下列雙元素元組

  • features - 一個 Python 字典，其中
    • 每個鍵都是特徵的名稱。
    • 每個值都是一個陣列，其中包含該特徵的所有值。
  • label - 一個陣列，其中包含每個範例的 標籤 值。

為了示範輸入函式的格式，以下是一個簡單的實作

def input_evaluation_set():
    features = {'SepalLength': np.array([6.4, 5.0]),
                'SepalWidth':  np.array([2.8, 2.3]),
                'PetalLength': np.array([5.6, 3.3]),
                'PetalWidth':  np.array([2.2, 1.0])}
    labels = np.array([2, 1])
    return features, labels

您的輸入函式可以使用您喜歡的任何方式產生 features 字典和 label 清單。不過，建議使用 TensorFlow 的 Dataset API，它可以剖析各種資料。

Dataset API 可以為您處理許多常見案例。例如，使用 Dataset API，您可以輕鬆地從大型檔案集合中平行讀取記錄，並將其加入單一串流。

為了讓這個範例保持簡單，您將使用 pandas 載入資料，並從這個記憶體內資料建立輸入管道

def input_fn(features, labels, training=True, batch_size=256):
    """An input function for training or evaluating"""
    # Convert the inputs to a Dataset.
    dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))

    # Shuffle and repeat if you are in training mode.
    if training:
        dataset = dataset.shuffle(1000).repeat()

    return dataset.batch(batch_size)

定義特徵欄

特徵欄是一個物件，用於描述模型應如何使用來自特徵字典的原始輸入資料。當您建立 Estimator 模型時，您會將特徵欄清單傳遞給它，其中描述您希望模型使用的每個特徵。tf.feature_column 模組提供許多選項，可將資料表示到模型。

對於鳶尾花，4 個原始特徵都是數值，因此您將建立特徵欄清單，告知 Estimator 模型將四個特徵中的每一個都表示為 32 位元浮點值。因此，建立特徵欄的程式碼如下

# Feature columns describe how to use the input.
my_feature_columns = []
for key in train.keys():
    my_feature_columns.append(tf.feature_column.numeric_column(key=key))

特徵欄可能比這裡顯示的更複雜。您可以在本指南中閱讀更多關於特徵欄的資訊。

現在您已描述您希望模型如何表示原始特徵，您可以建立估算器。

例項化估算器

鳶尾花問題是經典的分類問題。幸運的是，TensorFlow 提供數個預先建立的分類器估算器，包括

  • tf.estimator.DNNClassifier，適用於執行多類別分類的深度模型。
  • tf.estimator.DNNLinearCombinedClassifier，適用於廣度和深度模型。
  • tf.estimator.LinearClassifier，適用於以線性模型為基礎的分類器。

對於鳶尾花問題，tf.estimator.DNNClassifier 似乎是最佳選擇。以下說明如何例項化此估算器

# Build a DNN with 2 hidden layers with 30 and 10 hidden nodes each.
classifier = tf.estimator.DNNClassifier(
    feature_columns=my_feature_columns,
    # Two hidden layers of 30 and 10 nodes respectively.
    hidden_units=[30, 10],
    # The model must choose between 3 classes.
    n_classes=3)

訓練、評估和預測

現在您有一個 Estimator 物件，您可以呼叫方法來執行下列動作

  • 訓練模型。
  • 評估已訓練的模型。
  • 使用已訓練的模型進行預測。

訓練模型

透過呼叫 Estimator 的 train 方法來訓練模型，如下所示

# Train the Model.
classifier.train(
    input_fn=lambda: input_fn(train, train_y, training=True),
    steps=5000)

請注意，您將 input_fn 呼叫包裝在 lambda 中，以擷取引數，同時提供一個不帶引數的輸入函式，正如 Estimator 所預期的那樣。steps 引數會告知方法在完成指定數量的訓練步驟後停止訓練。

評估已訓練的模型

現在模型已完成訓練，您可以取得一些關於其效能的統計資料。下列程式碼區塊會評估已訓練模型在測試資料上的準確度

eval_result = classifier.evaluate(
    input_fn=lambda: input_fn(test, test_y, training=False))

print('\nTest set accuracy: {accuracy:0.3f}\n'.format(**eval_result))

與呼叫 train 方法不同，您沒有將 steps 引數傳遞給 evaluate。eval 的 input_fn 只會產生單一週期的資料。

eval_result 字典也包含 average_loss (每個樣本的平均損失)、loss (每個迷你批次的平均損失) 以及估算器的 global_step 值 (它經歷的訓練迭代次數)。

從已訓練的模型進行預測 (推論)

您現在有一個已訓練的模型，可產生良好的評估結果。您現在可以使用已訓練的模型，根據一些未標記的測量值來預測鳶尾花的品種。與訓練和評估一樣，您可以使用單一函式呼叫來進行預測

# Generate predictions from the model
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
    'SepalLength': [5.1, 5.9, 6.9],
    'SepalWidth': [3.3, 3.0, 3.1],
    'PetalLength': [1.7, 4.2, 5.4],
    'PetalWidth': [0.5, 1.5, 2.1],
}

def input_fn(features, batch_size=256):
    """An input function for prediction."""
    # Convert the inputs to a Dataset without labels.
    return tf.data.Dataset.from_tensor_slices(dict(features)).batch(batch_size)

predictions = classifier.predict(
    input_fn=lambda: input_fn(predict_x))

predict 方法會傳回 Python 可迭代物件，為每個範例產生預測結果的字典。下列程式碼會印出一些預測及其機率

for pred_dict, expec in zip(predictions, expected):
    class_id = pred_dict['class_ids'][0]
    probability = pred_dict['probabilities'][class_id]

    print('Prediction is "{}" ({:.1f}%), expected "{}"'.format(
        SPECIES[class_id], 100 * probability, expec))