tf.contrib.learn.BaseEstimator

Абстрактный базовый класс BaseEstimator для обучения и оценки моделей TensorFlow.

Наследуется от: Evaluable, Trainable

tf.contrib.learn.BaseEstimator(
    model_dir=None, config=None
)

ЭТОТ КЛАСС УСТАРЕЛ. См. contrib/learn/README.md для общих инструкций по миграции.

Пользователи не должны создавать экземпляры или наследовать от этого класса. Вместо этого используйте Estimator.

Аргументы

model_dir Каталог для сохранения параметров модели, графа и т. д. Это также можно использовать для загрузки контрольных точек из каталога в оценщик, чтобы продолжить обучение ранее сохранённой модели. Если None, будет использоваться model_dir в config, если он установлен. Если оба установлены, они должны совпадать.

config Экземпляр RunConfig.

Аргументы
`model_dir`	Каталог для сохранения параметров модели, графа и т. д. Это также можно использовать для загрузки контрольных точек из каталога в оценщик, чтобы продолжить обучение ранее сохранённой модели. Если `None`, будет использоваться model_dir в `config`, если он установлен. Если оба установлены, они должны совпадать.
`config`	Экземпляр RunConfig.

Атрибуты
`config`
`model_dir`	Возвращает путь, в котором процесс оценки будет искать контрольные точки.
`model_fn`	Возвращает model_fn, связанный с self.params.

Методы

`evaluate`

Просмотреть исходный код

evaluate(
    x=None, y=None, input_fn=None, feed_fn=None, batch_size=None, steps=None,
    metrics=None, name=None, checkpoint_path=None, hooks=None, log_progress=True
)

См. Evaluable. (устаревшие аргументы)

Исключения
`ValueError`	Если хотя бы один из `x` или `y` предоставлен, и хотя бы один из `input_fn` или `feed_fn` предоставлен. Или если `metrics` не является `None` или `dict`.

`export`

Просмотреть исходный код

export(
    export_dir, input_fn=export._default_input_fn, input_feature_key=None,
    use_deprecated_input_fn=True, signature_fn=None, prediction_key=None,
    default_batch_size=1, exports_to_keep=None, checkpoint_path=None
)

Экспортирует граф вывода в указанный каталог. (устарело)

Аргументы
`export_dir`	Строка, содержащая каталог для записи экспортированного графа и контрольных точек.
`input_fn`	Если `use_deprecated_input_fn` истинно, тогда функция, которая, учитывая `Tensor` строк `Example`, парсит их в признаки, которые затем передаются модели. В противном случае, функция, которая не принимает аргументов и возвращает кортеж (признаки, метки), где признаки — это словарь строковых ключей к `Tensor` , а метки — это `Tensor` , которые в настоящее время не используются (и поэтому могут быть `None`).
`input_feature_key`	Используется только если `use_deprecated_input_fn` ложно. Строковый ключ в словаре признаков, возвращаемый `input_fn`, который соответствует сырым `Example` строкам `Tensor`, которые экспортированная модель будет принимать в качестве входных данных. Может быть только `None` , если вы используете пользовательскую `signature_fn` , которая не использует первый аргумент (примеры).
`use_deprecated_input_fn`	Определяет формат подписи `input_fn`.
`signature_fn`	Функция, которая возвращает стандартную подпись и карту имён подписей, учитывая `Tensor` строк `Example`, `dict` из `Tensor` для признаков и `Tensor` или `dict` из `Tensor` для прогнозов.
`prediction_key`	Ключ для тензора в словаре `predictions` (выход из `model_fn` ), который будет использоваться в качестве входного `predictions` для `signature_fn`. Необязательно. Если `None`, прогнозы будут переданы `signature_fn` без фильтрации.
`default_batch_size`	Базовый размер пакета по умолчанию для заполнителя `Example`.
`exports_to_keep`	Количество экспортов для хранения.
`checkpoint_path`	Путь к контрольной точке модели, подлежащей экспорту. Если он `None` (что является значением по умолчанию), будет использоваться последняя контрольная точка в export_dir.

Возвращает
Путь к экспортированному каталогу. Примечание: эта функция была добавлена ок. 2016/09/25; клиентам, которые зависят от возвращаемого значения, может потребоваться обработать случай, когда эта функция возвращает None, потому что подклассы не возвращают значение.

Возвращает

Путь к экспортированному каталогу. Примечание: эта функция была добавлена ок. 2016/09/25; клиентам, которые зависят от возвращаемого значения, может потребоваться обработать случай, когда эта функция возвращает None, потому что подклассы не возвращают значение.

`fit`

Просмотреть исходный код

fit(
    x=None, y=None, input_fn=None, steps=None, batch_size=None, monitors=None,
    max_steps=None
)

См. Trainable. (устаревшие аргументы)

Исключения
`ValueError`	Если `x` или `y` не `None` , в то время как `input_fn` не `None`.
`ValueError`	Если оба `steps` и `max_steps` не `None`.

`get_params`

Просмотреть исходный код

get_params(
    deep=True
)

Получить параметры для этого оценщика.

Аргументы
`deep`	логическое значение, необязательно Если `True`, вернет параметры для этого оценщика и содержащихся в нём подобъектов, которые являются оценщиками.

Возвращает
`params`	отображение строки на любой Параметры, имена которых сопоставлены с их значениями.

`get_variable_names`

Просмотреть исходный код

get_variable_names()

Возвращает список всех имён переменных в этой модели.

Возвращает
Список имён.

`get_variable_value`

Просмотреть исходный код

get_variable_value(
    name
)

Возвращает значение переменной, заданной по имени.

Аргументы
`name`	строка, имя тензора.

Возвращает
Массив NumPy — значение тензора.

`partial_fit`

Просмотреть исходный код

partial_fit(
    x=None, y=None, input_fn=None, steps=1, batch_size=None, monitors=None
)

Инкрементное обучение на пакете выборок. (устаревшие аргументы)

Ожидается, что этот метод будет вызываться несколько раз последовательно на разных или тех же фрагментах набора данных. Это может реализовывать итеративное обучение или обучение вне памяти/онлайн-обучение.

Это особенно полезно, когда весь набор данных слишком велик, чтобы поместиться в памяти одновременно. Или когда модели требуется много времени для схождения, и вы хотите разбить обучение на подчасти.

END_OF_DOCUMENT_MARKER

Аргументы
`x`	Матрица формы [n_samples, n_features...]. Может быть итератором, возвращающим массивы признаков. Данные обучения для модели. Если задано, то `input_fn` должно быть `None`.
`y`	Вектор или матрица [n_samples] или [n_samples, n_outputs]. Может быть итератором, возвращающим массив меток. Значения меток обучения (метки классов в классификации, вещественные числа в регрессии). Если задано, то `input_fn` должно быть `None`.
`input_fn`	Функция ввода. Если задано, то `x`, `y`, и `batch_size` должны быть `None`.
`steps`	Количество шагов для обучения модели. Если `None`, обучение будет продолжаться бесконечно.
`batch_size`	Размер мини-пакета для входных данных, по умолчанию равен первой размерности `x`. Должно быть `None` если задан `input_fn`.
`monitors`	Список экземпляров подклассов `BaseMonitor`. Используется для обратных вызовов внутри цикла обучения.

Возвращаемое значение
`self`, для цепочки вызовов.

Исключения
`ValueError`	Если хотя бы один из `x` и `y` задан, а также `input_fn` задан.

`predict`

Посмотреть исходный код

predict(
    x=None, input_fn=None, batch_size=None, outputs=None, as_iterable=True,
    iterate_batches=False
)

Возвращает предсказания для заданных признаков. (устаревшие аргументы)

Аргументы
`x`	Матрица формы [n_samples, n_features...]. Может быть итератором, возвращающим массивы признаков. Данные обучения для модели. Если задано, то `input_fn` должно быть `None`.
`input_fn`	Функция ввода. Если задано, то `x` и 'batch_size' должны быть `None`.
`batch_size`	Переопределение размера пакета по умолчанию. Если задано, 'input_fn' должно быть 'None'.
`outputs`	Список `str`, имя выходной переменной для прогнозирования. Если `None`, возвращаются все.
`as_iterable`	Если True, возвращается итератор, который продолжает генерировать предсказания для каждого примера, пока входные данные не будут исчерпаны. Примечание: входные данные должны завершаться, если вы хотите, чтобы итератор завершался (например, убедитесь, что передаете num_epochs=1, если вы используете что-то вроде read_batch_features).
`iterate_batches`	Если True, весь пакет возвращается сразу, вместо разбиения пакета на отдельные образцы. Релевантно только когда as_iterable равно True.

Возвращаемое значение
Массив NumPy предсказанных классов или регрессионных значений, если конструктор `model_fn` возвращает `Tensor` для `predictions` или список массивов NumPy, если `model_fn` возвращает `dict`. Возвращает итератор предсказаний, если as_iterable True.

Исключения
`ValueError`	Если x и input_fn оба заданы или оба `None`.

`set_params`

Посмотреть исходный код

set_params(
    **params
)

Устанавливает параметры этого оценщика.

Метод работает как с простыми оценщиками, так и со вложенными объектами (такими как конвейеры). В первом случае параметры имеют вид <component>__<parameter>, чтобы можно было обновлять каждый компонент вложенного объекта.

Аргументы
`**params`	Параметры.

Возвращаемое значение
self

Исключения
`ValueError`	Если параметры содержат недопустимые имена.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/learn/BaseEstimator