使用 TensorFlow 的起始步骤 ( First Steps with TensorFlow ) : 工具包

下图显示了 TensorFlow 工具包的当前层次结构

图 1. TensorFlow 工具包层次结构
下表总结了不同层的用途 :

TensorFlow 由以下两个组件组成 :
1.图协议缓冲区
2.执行 ( 分布式 ) 图的运行时
这两个组件类似于 Java 编译器和 JVM. 正如 JVM 会实施在多个硬件平台 ( CPU 和 GPU ) 上一样, TensorFlow 也是如此.
您应该使用哪个 API ? 您应该使用能够解决问题的最高级抽象层. 较高级别的抽象层更易于使用, 但 ( 设计方面 )不够灵活. 我们建议您从最高级 API 入手, 让所有组件正常运作起来. 如果您希望在某些特定建模方面能够更加灵活一些, 则降低一个级别. 请注意, 每个级别都是使用低级别 API 构建的, 因此降低层次结构应该比较直观.

tf.estimator API

tf.estimator 与 scikit-learn API 兼容. scikit-learn 是极其热门的 Python 开放源代码机器学习库,.
概括而言, 以下是在 tf.estimator 中实现线性回归程序的格式:

import tensorflow as tf
#  Set up a linear classifier.
classifier = tf.estimator.LinearClassifier ()
# Train the model on some example data.
classifier.train( input_fn = train_input_fn, steps = 2000 )
# Use it to predict.
predictions = classifier.predict ( input_fn = predict_input_fn )

本作品采用《CC 协议》，转载必须注明作者和本文链接