深入浅出介绍 TensorFlow 数据集和估算器

TensorFlow 1.3 引入了两个重要功能，您应当尝试一下：

• 数据集：一种创建输入管道（即，将数据读入您的程序）的全新方式。
• 估算器：一种创建 TensorFlow 模型的高级方式。估算器包括适用于常见机器学习任务的预制模型，不过，您也可以使用它们创建自己的自定义模型。

下面是它们在 TensorFlow 架构内的装配方式。结合使用这些估算器，可以轻松地创建 TensorFlow 模型和向模型提供数据：

我们的示例模型

为了探索这些功能，我们将构建一个模型并向您显示相关的代码段。完整代码在这里，其中包括获取训练和测试文件的说明。请注意，编写的代码旨在演示数据集和估算器的工作方式，并没有为了实现最大性能而进行优化。

经过训练的模型可以根据四个植物学特征（萼片长度、萼片宽度、花瓣长度和花瓣宽度）对鸢尾花进行分类。因此，在推理期间，您可以为这四个特征提供值，模型将预测花朵属于以下三个美丽变种之中的哪一个：

从左到右依次为：山鸢尾（Radomil 摄影，CC BY-SA 3.0）、变色鸢尾（Dlanglois 摄影，CC BY-SA 3.0）和维吉尼亚鸢尾（Frank Mayfield 摄影，CC BY-SA 2.0）。
我们将使用下面的结构训练深度神经网络分类器。所有输入和输出值都是 float32，输出值的总和将等于 1（因为我们在预测属于每种鸢尾花的可能性）：

例如，输出结果对山鸢尾来说可能是 0.05，对变色鸢尾是 0.9，对维吉尼亚鸢尾是 0.05，表示这种花有 90% 的可能性是变色鸢尾。
好了！我们现在已经定义模型，接下来看一看如何使用数据集和估算器训练模型和进行预测。

数据集介绍

数据集是一种为 TensorFlow 模型创建输入管道的新方式。使用此 API 的性能要比使用 feed_dict 或队列式管道的性能高得多，而且此 API 更简洁，使用起来更容易。尽管数据集在 1.3 版本中仍位于 tf.contrib.data 中，但是我们预计会在 1.4 版本中将此 API 移动到核心中，所以，是时候尝试一下了。
从高层次而言，数据集由以下类组成：

其中：

• 数据集：基类，包含用于创建和转换数据集的函数。允许您从内存中的数据或从 Python 生成器初始化数据集。
• TextLineDataset：从文本文件中读取各行内容。
• TFRecordDataset：从 TFRecord 文件中读取记录。
• FixedLengthRecordDataset：从二进制文件中读取固定大小的记录。
• 迭代器：提供了一种一次获取一个数据集元素的方法。

我们的数据集

首先，我们来看一下要用来为模型提供数据的数据集。我们将从一个 CSV 文件读取数据，这个文件的每一行都包含五个值 – 四个输入值，加上标签：

标签的值如下所述：

• 山鸢尾为 0
• 变色鸢尾为 1
• 维吉尼亚鸢尾为 2。

估算器介绍

估算器是一种高级 API，使用这种 API，您在训练 TensorFlow 模型时就不再像之前那样需要编写大量的样板文件代码。估算器也非常灵活，如果您对模型有具体的要求，它允许您替换默认行为。

使用估算器，您可以通过两种可能的方式构建模型：

• 预制估算器 – 这些是预先定义的估算器，旨在生成特定类型的模型。在这篇博文中，我们将使用 DNNClassifier 预制估算器。
• 估算器（基类）- 允许您使用 model_fn 函数完全掌控模型的创建方式。我们将在单独的博文中介绍如何操作。

下面是估算器的类图：

我们希望在未来版本中添加更多的预制估算器。

正如您所看到的，所有估算器都使用 input_fn，它为估算器提供输入数据。在我们的示例中，我们将重用 my_input_fn，这个函数是我们专门为演示定义的。

拓展

使用像 DNNClassifier 一样的估算器可以提供很多值。除了易于使用外，预制估算器还提供内置的评估指标，并创建您可以在 TensorBoard 中看到的汇总。要查看此报告，请按照下面所示从您的命令行启动 TensorBoard

下面几个图显示了 TensorBoard 将提供的一些数据：

总结

在这篇博文中，我们探讨了数据集和估算器。这些是用于定义输入数据流和创建模型的重要 API，因此花一些时间来学习它们非常值得！