tf.contrib.learn.DNNRegressor

Регрессор для моделей TensorFlow DNN.

Наследуется от: Estimator

tf.contrib.learn.DNNRegressor(
    hidden_units, feature_columns, model_dir=None, weight_column_name=None,
    optimizer=None, activation_fn=tf.nn.relu, dropout=None, gradient_clip_norm=None,
    enable_centered_bias=False, config=None, feature_engineering_fn=None,
    label_dimension=1, embedding_lr_multipliers=None,
    input_layer_min_slice_size=None
)

ЭТОТ КЛАСС УСТАНОВЛЕН КАК УСТАРЕВШИЙ. См. contrib/learn/README.md для общих инструкций по миграции.

Пример:

sparse_feature_a = sparse_column_with_hash_bucket(...)
sparse_feature_b = sparse_column_with_hash_bucket(...)

sparse_feature_a_emb = embedding_column(sparse_id_column=sparse_feature_a,
                                        ...)
sparse_feature_b_emb = embedding_column(sparse_id_column=sparse_feature_b,
                                        ...)

estimator = DNNRegressor(
    feature_columns=[sparse_feature_a, sparse_feature_b],
    hidden_units=[1024, 512, 256])

# Or estimator using the ProximalAdagradOptimizer optimizer with
# regularization.
estimator = DNNRegressor(
    feature_columns=[sparse_feature_a, sparse_feature_b],
    hidden_units=[1024, 512, 256],
    optimizer=tf.compat.v1.train.ProximalAdagradOptimizer(
      learning_rate=0.1,
      l1_regularization_strength=0.001
    ))

# Input builders
def input_fn_train: # returns x, y
  pass
estimator.fit(input_fn=input_fn_train)

def input_fn_eval: # returns x, y
  pass
estimator.evaluate(input_fn=input_fn_eval)
def input_fn_predict: # returns x, None
  pass
estimator.predict_scores(input_fn=input_fn_predict)

Входные данные fit и evaluate должны иметь следующие характеристики, в противном случае произойдёт KeyError:

• если weight_column_name не является None, то признак с key=weight_column_name, значение которого является Tensor.
• для каждого column в feature_columns:
  • если column является SparseColumn, то признак с key=column.name, чьё value является SparseTensor.
  • если column является WeightedSparseColumn, два признака: первый с key именем столбца, второй с key именем столбца веса. value обоих признаков должен быть SparseTensor.
  • если column является RealValuedColumn, то признак с key=column.name, чьё value является Tensor.

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
)

См. evaluable.Evaluable.

export

Просмотреть исходный код

export(
    export_dir, input_fn=None, input_feature_key=None, use_deprecated_input_fn=True,
    signature_fn=None, default_batch_size=1, exports_to_keep=None
)

См. BaseEstimator.export. (устарело)

export_savedmodel

Просмотреть исходный код

export_savedmodel(
    export_dir_base, serving_input_fn, default_output_alternative_key=None,
    assets_extra=None, as_text=False, checkpoint_path=None,
    graph_rewrite_specs=(GraphRewriteSpec((tag_constants.SERVING,), ()),),
    strip_default_attrs=False
)

Экспортирует график вывода в SavedModel в указанную директорию.

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)

get_params

Просмотреть исходный код

get_params(
    deep=True
)

Получить параметры для этой оценки.

get_variable_names

Просмотреть исходный код

get_variable_names()

Возвращает список всех имён переменных в этой модели.

get_variable_value

Просмотреть исходный код

get_variable_value(
    name
)

Возвращает значение переменной, заданной по имени.

partial_fit

Просмотреть исходный код

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

Инкрементная подгонка на наборе 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 сходимости, и вы хотите разбить обучение на подчасти.

predict

Просмотреть исходный код

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

Возвращает прогнозы для заданных признаков. (устаревшие значения аргументов) (устаревшие значения аргументов)

По умолчанию возвращает предсказанные значения. Но это значение по умолчанию будет вскоре удалено. Пользователи должны либо передать outputs, либо вызвать метод predict_scores.

predict_scores

Просмотреть исходный код

predict_scores(
    x=None, input_fn=None, batch_size=None, as_iterable=True
)

Возвращает предсказанные значения для заданных признаков. (устаревшие значения аргументов)

set_params

Просмотреть исходный код

set_params(
    **params
)

Устанавливает параметры этого оценщика.

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