如何使用 Tensorflow 与 Estimators 来使用 Python 评估模型?
Tensorflow 可以与 estimators 一起使用,借助‘classifier’中的‘evaluate’方法来评估模型。模块。
阅读更多: 什么是 TensorFlow,以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用 Keras Sequential API,它有助于构建用于处理普通层堆栈的顺序模型,其中每个层都有一个输入张量和一个输出张量。
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
TensorFlow Text 包含可与 TensorFlow 2.0 一起使用的文本相关类和操作的集合。TensorFlow Text 可用于预处理序列建模。
我们正在使用 Google Colaboratory 运行以下代码。 Google Colab 或 Colaboratory 可帮助在浏览器上运行 Python 代码,无需配置,可免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。
Estimator 是 TensorFlow 对完整模型的高级表示。它旨在轻松扩展和异步训练。
该模型使用鸢尾花数据集进行训练。
示例
eval_result = classifier.evaluate(input_fn=lambda: input_fn(test, test_y, training=False)) print('\nTest dataset accuracy is: {accuracy:0.3f}\n'.format(**eval_result))
代码来源 −https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
输出
INFO:tensorflow:Calling model_fn. WARNING:tensorflow:Layer dnn is casting an input tensor from dtype float64 to the layer's dtype of float32, which is new behavior in TensorFlow 2. The layer has dtype float32 because its dtype defaults to floatx. If you intended to run this layer in float32, you can safely ignore this warning. If in doubt, this warning is likely only an issue if you are porting a TensorFlow 1.X model to TensorFlow 2. To change all layers to have dtype float64 by default, call `tf.keras.backend.set_floatx('float64')`. To change just this layer, pass dtype='float64' to the layer constructor. If you are the author of this layer, you can disable autocasting by passing autocast=False to the base Layer constructor. INFO:tensorflow:Done calling model_fn. INFO:tensorflow:Starting evaluation at 2020-09-10T01:40:47Z INFO:tensorflow:Graph was finalized. INFO:tensorflow:Restoring parameters from /tmp/tmpbhg2uvbr/model.ckpt-5000 INFO:tensorflow:Running local_init_op. INFO:tensorflow:Done running local_init_op. INFO:tensorflow:Inference Time : 0.21153s INFO:tensorflow:Finished evaluation at 2020-09-10-01:40:47 INFO:tensorflow:Saving dict for global step 5000: accuracy = 0.96666664, average_loss = 0.42594802, global_step = 5000, loss = 0.42594802 INFO:tensorflow:Saving 'checkpoint_path' summary for global step 5000: /tmp/tmpbhg2uvbr/model.ckpt-5000 Test dataset accuracy is: 0.967
解释
一旦模型训练完成,就可以获得一些有关性能的信息。
没有参数传递给‘evaluate’函数。
eval 的 input_fn 仅产生一个数据周期。
eval_result 字典包含 average_loss(每个样本的平均损失)、loss(每个小批量的平均损失)和估计器的 global_step 的值(它经历的训练迭代次数)。