tf.compat.v1.keras.estimator.model_to_estimator

Создаёт экземпляр Estimator из заданной модели Keras.

tf.compat.v1.keras.estimator.model_to_estimator(
    keras_model=None, keras_model_path=None, custom_objects=None, model_dir=None,
    config=None, checkpoint_format='saver', metric_names_map=None,
    export_outputs=None
)

Если вы используете инфраструктуру или другие инструменты, которые полагаются на Estimators, вы по-прежнему можете создать модель Keras и использовать model_to_estimator для преобразования модели Keras в Estimator для использования в системах нижнего уровня.

Пример использования см. в разделе: Создание estimators из моделей Keras.

Веса образцов:

Estimators, возвращаемые model_to_estimator, сконфигурированы так, чтобы они могли обрабатывать веса образцов (подобно keras_model.fit(x, y, sample_weights)).

Чтобы передать веса образцов при обучении или оценке Estimator, первый элемент, возвращаемый функцией ввода, должен быть словарем с ключами features и sample_weights. Пример ниже:

keras_model = tf.keras.Model(...)
keras_model.compile(...)

estimator = tf.keras.estimator.model_to_estimator(keras_model)

def input_fn():
  return dataset_ops.Dataset.from_tensors(
      ({'features': features, 'sample_weights': sample_weights},
       targets))

estimator.train(input_fn, steps=1)

Пример с настроенной сигнатурой экспорта:

inputs = {'a': tf.keras.Input(..., name='a'),
          'b': tf.keras.Input(..., name='b')}
outputs = {'c': tf.keras.layers.Dense(..., name='c')(inputs['a']),
           'd': tf.keras.layers.Dense(..., name='d')(inputs['b'])}
keras_model = tf.keras.Model(inputs, outputs)
keras_model.compile(...)
export_outputs = {'c': tf.estimator.export.RegressionOutput,
                  'd': tf.estimator.export.ClassificationOutput}

estimator = tf.keras.estimator.model_to_estimator(
    keras_model, export_outputs=export_outputs)

def input_fn():
  return dataset_ops.Dataset.from_tensors(
      ({'features': features, 'sample_weights': sample_weights},
       targets))

estimator.train(input_fn, steps=1)