tf.estimator 快速上手

TensorFlow的高级机器学习API（tf.estimator）可以轻松配置，训练和评估各种机器学习模型。 在本教程中，您将使用tf.estimator构建一个神经网络分类器，并在Iris数据集上对其进行训练，以基于萼片/花瓣几何学来预测花朵种类。 您将编写代码来执行以下五个步骤：

• 将包含Iris训练/测试数据的CSV加载到TensorFlow数据集中
• 构建一个神经网络分类器
• 使用训练数据训练模型
• 评估模型的准确性
• 分类新样品

注：在开始本教程之前，请记住在您的机器上安装TensorFlow。

完整的神经网络源代码

以下是神经网络分类器的完整代码：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
from six.moves.urllib.request import urlopen

import numpy as np
import tensorflow as tf

# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"

IRIS_TEST = "iris_test.csv"
IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

def main():
  # If the training and test sets aren't stored locally, download them.
  if not os.path.exists(IRIS_TRAINING):
    raw = urlopen(IRIS_TRAINING_URL).read()
    with open(IRIS_TRAINING, "wb") as f:
      f.write(raw)

  if not os.path.exists(IRIS_TEST):
    raw = urlopen(IRIS_TEST_URL).read()
    with open(IRIS_TEST, "wb") as f:
      f.write(raw)

  # Load datasets.
  training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TRAINING,
      target_dtype=np.int,
      features_dtype=np.float32)
  test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TEST,
      target_dtype=np.int,
      features_dtype=np.float32)

  # Specify that all features have real-value data
  feature_columns = [tf.feature_column.numeric_column("x", shape=[4])]

  # Build 3 layer DNN with 10, 20, 10 units respectively.
  classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                                          hidden_units=[10, 20, 10],
                                          n_classes=3,
                                          model_dir="/tmp/iris_model")
  # Define the training inputs
  train_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": np.array(training_set.data)},
      y=np.array(training_set.target),
      num_epochs=None,
      shuffle=True)

  # Train model.
  classifier.train(input_fn=train_input_fn, steps=2000)

  # Define the test inputs
  test_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": np.array(test_set.data)},
      y=np.array(test_set.target),
      num_epochs=1,
      shuffle=False)

  # Evaluate accuracy.
  accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]

  print("\nTest Accuracy: {0:f}\n".format(accuracy_score))

  # Classify two new flower samples.
  new_samples = np.array(
      [[6.4, 3.2, 4.5, 1.5],
       [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)
  predict_input_fn = tf.estimator.inputs.numpy_input_fn(
      x={"x": new_samples},
      num_epochs=1,
      shuffle=False)

  predictions = list(classifier.predict(input_fn=predict_input_fn))
  predicted_classes = [p["classes"] for p in predictions]

  print(
      "New Samples, Class Predictions:    {}\n"
      .format(predicted_classes))

if __name__ == "__main__":
    main()

以下部分详细介绍了代码。

将Iris CSV数据加载到TensorFlow

Iris数据集包含150行数据，包括来自三个相关鸢尾属物种中的每一个的50个样品：Iris setosa，Iris virginica和Iris versicolor。

From left to right, Iris setosa (by Radomil, CC BY-SA 3.0), Iris versicolor (by Dlanglois, CC BY-SA 3.0), and Iris virginica(by Frank Mayfield, CC BY-SA 2.0).

每行包含每个花样的以下数据：萼片长度，萼片宽度，花瓣长度，花瓣宽度和花种。 花种以整数表示，其中0表示Iris setosa，1表示Iris virginica，2表示Iris versicolor。

对于本教程，Iris数据已被随机分成两个独立的CSV：

• 120个样本的训练集（iris_training.csv）
• 30个样本的测试集（iris_test.csv）。

开始前，首先导入所有必要的模块，并定义下载和存储数据集的位置：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
from six.moves.urllib.request import urlopen

import tensorflow as tf
import numpy as np

IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"

IRIS_TEST = "iris_test.csv"
IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

然后，如果训练和测试集尚未存储在本地，请下载它们。

if not os.path.exists(IRIS_TRAINING):
  raw = urlopen(IRIS_TRAINING_URL).read()
  with open(IRIS_TRAINING,'wb') as f:
    f.write(raw)

if not os.path.exists(IRIS_TEST):
  raw = urlopen(IRIS_TEST_URL).read()
  with open(IRIS_TEST,'wb') as f:
    f.write(raw)

接下来，使用learn.datasets.base中的load_csv_with_header()方法将训练集和测试集加载到数据集中。 load_csv_with_header()方法需要三个必需的参数：

• filename，它将文件路径转换为CSV文件
• target_dtype，它采用数据集的目标值的numpy数据类型。
• features_dtype，它采用数据集特征值的numpy数据类型。

在这里，目标（你正在训练模型来预测的值）是花的种类，它是一个从0到2的整数，所以合适的numpy数据类型是np.int：

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TRAINING,
    target_dtype=np.int,
    features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TEST,
    target_dtype=np.int,
    features_dtype=np.float32)

tf.contrib.learn中的数据集被命名为元组;您可以通过data和target字段访问特征数据和目标值。这里，training_set.data和training_set.target分别包含训练集的特征数据和目标值，test_set.data和test_set.target包含测试集的特征数据和目标值。

稍后，在“将DNNClassifier安装到Iris训练数据”中，您将使用training_set.data和training_set.target来训练您的模型，在“Evaluate Model Accuracy”中，您将使用test_set.data和test_set.target。但首先，您将在下一节中构建您的模型。

构建深度神经网络分类器

tf.estimator提供了各种预定义的模型，称为Estimators，您可以使用“开箱即用”对数据进行训练和评估操作。在这里，您将配置深度神经网络分类器模型以适应Iris数据。使用tf.estimator，你可以用几行代码实例化你的tf.estimator.DNNClassifier：

# Specify that all features have real-value data
feature_columns = [tf.feature_column.numeric_column("x", shape=[4])]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                                        hidden_units=[10, 20, 10],
                                        n_classes=3,
                                        model_dir="/tmp/iris_model")

上面的代码首先定义模型的特征列，它指定数据集中特征的数据类型。所有的特征数据都是连续的，所以tf.feature_column.numeric_column是用来构造特征列的适当函数。数据集中有四个特征（萼片宽度，萼片高度，花瓣宽度和花瓣高度），所以相应的形状必须设置为[4]来保存所有的数据。

然后，代码使用以下参数创建一个DNNClassifier模型：

• feature_columns = feature_columns。上面定义的一组特征列。
• hidden_units = [10，20，10]。三个隐藏层，分别包含10,20和10个神经元。
• n_classes = 3。三个目标类，代表三个鸢尾属。
• model_dir =/tmp/iris_model。 TensorFlow将在模型训练期间保存检查点数据和TensorBoard摘要的目录。

描述训练输入管道

tf.estimator API使用输入函数，这些输入函数创建了用于为模型生成数据的TensorFlow操作。我们可以使用tf.estimator.inputs.numpy_input_fn来产生输入管道：

# Define the training inputs
train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": np.array(training_set.data)},
    y=np.array(training_set.target),
    num_epochs=None,
    shuffle=True)

将DNNClassifier安装到Iris训练数据

现在，您已经配置了DNN分类器模型，可以使用train方法将其适用于Iris训练数据。 将train_input_fn传递给input_fn，以及要训练的步数（这里是2000）：

# Train model.
classifier.train(input_fn=train_input_fn, steps=2000)

模型的状态保存在分类器中，这意味着如果你喜欢，可以迭代地训练。 例如，上面的做法相当于以下内容：

classifier.train(input_fn=train_input_fn, steps=1000)
classifier.train(input_fn=train_input_fn, steps=1000)

但是，如果您希望在训练时跟踪模型，则可能需要使用TensorFlow SessionRunHook来执行日志记录操作。

评估模型的准确性

您已经在Iris训练数据上训练了您的DNNClassifier模型; 现在，您可以使用评估方法检查Iris测试数据的准确性。 像train一样，evaluate需要一个输入函数来建立它的输入流水线。 评估返回与评估结果的字典。 以下代码将通过Iris测试data-test_set.data和test_set.target来评估和打印结果的准确性：

# Define the test inputs
test_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": np.array(test_set.data)},
    y=np.array(test_set.target),
    num_epochs=1,
    shuffle=False)

# Evaluate accuracy.
accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]

print("\nTest Accuracy: {0:f}\n".format(accuracy_score))

注意：这里numpy_input_fn的num_epochs = 1参数很重要。 test_input_fn将迭代数据一次，然后引发OutOfRangeError。 这个错误表示分类器停止评估，所以它会在输入上评估一次。

当你运行完整的脚本时，它会打印出一些接近的内容：

Test Accuracy: 0.966667

您的准确性结果可能会有所不同，但应该高于90％。 对于相对较小的数据集来说很不错了！

分类新样品

使用估计器的predict()方法对新样本进行分类。 例如，假设你有这两个新的花样：

您可以使用predict()方法预测它们的物种。 预测返回一个字符串生成器，可以很容易地转换为列表。 以下代码检索并打印类预测：

# Classify two new flower samples.
new_samples = np.array(
    [[6.4, 3.2, 4.5, 1.5],
     [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)
predict_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": new_samples},
    num_epochs=1,
    shuffle=False)

predictions = list(classifier.predict(input_fn=predict_input_fn))
predicted_classes = [p["classes"] for p in predictions]

print(
    "New Samples, Class Predictions:    {}\n"
    .format(predicted_classes))

你的结果应该如下所示：

New Samples, Class Predictions:    [1 2]

因此，模型预测第一个样品是Iris versicolor，第二个样品是Iris virginica。