TensorFlow.org教程笔记(一)Tensorflow初上手
本文同时也发布在自建博客地址。
本文翻译自www.tensorflow.org的英文教程。
本文档介绍了TensorFlow编程环境，并向您展示了如何使用Tensorflow解决鸢尾花分类问题。
先决条件
在本文档中使用示例代码之前，您需要执行以下操作：
-
确认安装了Tensorflow
-
如果在Anaconda的虚拟环境下安装了TF，激活你的TF环境
-
通过以下命令安装或者升级
pandaspip install pandas
获取示例代码
按照以下步骤获取我们将要全程使用的示例代码
-
通过输入以下命令从GitHub克隆TensorFlow Models仓库：
git clone https://github.com/tensorflow/models -
进入本文档所使用的示例所在的目录
cd models/samples/core/get_started/
本文档中介绍的程序是premade_estimator.py。该程序使用iris_data.py获取训练数据。
运行程序
像运行Python代码一样运行TF程序。例如：
python premade_estimator.py
程序应该在对测试集进行预测之后输出一些训练日志。例如，以下输出中的第一行显示该模型认为测试集中的第一个示例是Setosa的可能性为99.6％。由于测试集中该示例正是Setosa，所以这似乎是一个很不错的预测。
...
Prediction is "Setosa" (99.6%), expected "Setosa"
Prediction is "Versicolor" (99.8%), expected "Versicolor"
Prediction is "Virginica" (97.9%), expected "Virginica"
如果程序生成错误而没有输出答案，请自答以下问题：
- 安装Tensorflow是否正确
- 你的Tensorflow版本是否正确
- 你是否激活了Tensorflow环境
编程堆栈
在深入了解程序本身的细节之前，让我们来看看编程环境。如下图所示，TensorFlow提供了一个由多个API层组成的编程堆栈：
我们强烈建议使用以下API编写TensorFlow程序：
-
评估器Estimators，代表一个完整的模型。 Estimator API提供方法来训练模型，判断模型的准确性并生成预测。
-
训练集Datasets，它构建了一个数据输入管道。Datasets API具有加载和操作数据的方法，并将其输入到你的模型中。Datasets API与Estimators API良好地协作。、
分类鸢尾花：概述
本文档中的示例程序构建并测试了一个模型，该模型根据萼片和花瓣的大小将鸢尾花分为三种不同的物种。
从左到右，分别是Iris setosa（由Radomil，CC BY-SA 3.0），Iris versicolor（Dlanglois，CC BY-SA 3.0）和Iris virginica（by Frank Mayfield，CC BY-SA 2.0）。
数据集
鸢尾花数据集包含四个特征和一个标签。这四个特征确定了单个鸢尾花的以下植物学特征：
- 萼片长度
- 萼片宽度
- 花瓣长度
- 花瓣宽度
我们的模型将这些特征表示为float32数值数据。
标签用来标识鸢尾所属种类，它必须是下列3者之一：
- Iris setosa
- Iris versicolor
- Iris virginica
我们的模型将标签作为int32分类数据。
下表显示了数据集中的三个示例：
| 萼片长度 | 萼片宽度 | 花瓣长度 | 花瓣宽度 | 种类（标签） |
|---|---|---|---|---|
| 5.1 | 3.3 | 1.7 | 0.5 | 0（Setosa） |
| 5.0 | 2.3 | 3.3 | 1.0 | 1（Versicolor） |
| 6.4 | 2.8 | 5.6 | 2.2 | 2（virginica） |
算法
该程序训练具有以下拓扑的深度神经网络分类器模型：
- 两个隐藏层
- 每个隐藏层10个节点
下图说明了特征，隐藏层和预测（并未显示隐藏层中的所有节点）：
推论
在未标记的例子上运行训练模型会得出三个预测结果，即这朵花是给定鸢尾花种类的可能性。这些输出预测的总和将是1.0。例如，对未标记示例的预测可能如下所示：
- Iris Setosa：0.03
- Iris Versicolor：0.95
- Iris Virginica：0.02
前面的预测表明给定的未标记示例是Iras Versicolor的概率为95％。
评估器(Estimator)编程概述
Estimator是TensorFlow对完整模型的高级表示。它处理初始化，记录，保存和恢复以及许多其他功能的细节，以便你可以专注于您的模型。欲了解更多详情，请参Estimator。
Estimator是从tf.estimator.Estimator派生的通用类。 TensorFlow提供了一系列定制的评估器（例如LinearRegressor）来实现常用的ML算法。除此之外，你也可以编写自己的定制评估器。我们建议在刚开始使用TensorFlow时使用内置的Estimator。在获得内置的Estimator的专业知识后，我们建议通过创建你自己的定制Estimator来优化你的模型。
要根据内置的Estimator编写TensorFlow程序，你必须执行以下任务：
- 创建一个或多个输入函数。
- 定义模型的特征列。
- 实例化
Estimator，指定特征列和各种超参数。 - 在
Estimator对象上调用一个或多个方法，传递适当的输入函数作为数据源。
让我们看看这些任务是如何实施鸢尾花分类的。
创建输入函数(input function)
你必须创建输入函数来为训练，评估和预测提供数据。
输入函数(input function)是一个返回一个tf.data.Dataset对象的函数，该对象输出一个两元素元组(tuple)：
- features - 一个Python字典
- 字典的key是特征名
- 字典的值是特征数组
- label-包含所有样例的标签数组
为了演示输入函数的格式，下面是一个简单的实现：
def input_evaluation_set():
features = {'SepalLength': np.array([6.4, 5.0]),
'SepalWidth': np.array([2.8, 2.3]),
'PetalLength': np.array([5.6, 3.3]),
'PetalWidth': np.array([2.2, 1.0])}
labels = np.array([2, 1])
return features, labels
你的input function可能会以你喜欢的任何方式生成功能字典和标签列表。不过，我们建议使用TensorFlow的数据集API，它可以解析各种数据。在较高层次上，数据集API由以下类组成：
这里每个独立成员如下：
- Dataset：包含创建和转换数据集的方法的基类。还允许你从内存中的数据或Python生成器中初始化数据集。
- TextLineDataset：从文本文件读取行
- 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。
- Iterator：提供一次访问一个数据集元素的方法。
Dataset API可以为你处理很多常见情况。例如，使用Dataset API，你可以轻松地从大量文件集中并行读入记录，并将它们合并到一个流中。
在这个例子中，简单起见，我们将使用pandas加载数据，并从这些内存数据构建输入管道。
以下是用于在该程序中进行训练的input function，该函数在iris_data.py中可用：
def train_input_fn(features, labels, batch_size):
"""An input function for training"""
# Convert the inputs to a Dataset.
dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
# Shuffle, repeat, and batch the examples.
return dataset.shuffle(1000).repeat().batch(batch_size)
定义特征列
特征列(feature column)是描述模型如何使用特征字典中的原始输入数据的对象。在构建Estimator模型时，你会传递一个特征列列表来描述你希望模型使用的每个特征。 tf.feature_column模块提供了很多用于向模型表示数据的选项。
对于鸢尾花，4个原始特征是数值类型，因此我们将构建一个特征列列表，以告诉Estimator模型将四个特征中的每一个都表示为32位浮点值。因此，创建特征列的代码是：
# Feature columns describe how to use the input.
my_feature_columns=[]
for key in train_x,keys():
my_feature_columns.append(tf.feature_column.numeric_column(key=key))
特征列可能比我们在这里展示的要复杂得多。我们将在“入门指南”中稍后详细介绍特征列。
现在我们已经描述了我们希望模型如何表示原始特征，我们可以构建Estimator。
实例化一个Estimator
鸢尾花问题是一个经典的分类问题。幸运的是，TensorFlow提供了几个预置的分类器 Estimators，其中包括：
- tf.estimator.DNNClassifier适用于执行多分类的深层模型。
- tf.estimator.DNNLinearCombinedClassifier适用于广泛和深度模型。
- tf.estimator.LinearClassifier用于基于线性模型的分类器。
对于鸢尾花问题，tf.estimator.DNNClassifier看起来是最好的选择。以下是我们如何实例化此Estimator的方法：
# Build a DNN with 2 hidden layers and 10 nodes in each hidden layer.
classifier = tf.estimator.DNNClassifier(
feature_columns=my_feature_columns,
# Two hidden layers of 10 nodes each.
hidden_units=[10, 10],
# The model must choose between 3 classes.
n_classes=3)
训练，评估和预测
现在我们有一个Estimator对象，我们可以调用方法来执行以下操作：
- 训练模型。
- 评估训练的模型。
- 使用训练好的模型进行预测。
训练模型
通过调用Estimator的训练方法训练模型如下：
# Train the Model.
classifier.train(
input_fn=lambda:iris_data.train_input_fn(train_x, train_y, args.batch_size),
steps=args.train_steps)
这里我们使用lambda表达式来捕获input_fn调用包含的参数，它同时提供一个不带参数的输入函数，正如Estimator预期的那样。参数steps告诉方法在多次训练步骤后停止训练。
评估训练模型
现在模型已经过训练，我们可以得到一些关于其性能的统计数据。以下代码块评估测试数据上训练后模型的准确性：
# Evaluate the model.
eval_result = classifier.evaluate(
input_fn=lambda:iris_data.eval_input_fn(test_x, test_y, args.batch_size))
print('\nTest set accuracy: {accuracy:0.3f}\n'.format(**eval_result))
与我们对训练方法的调用不同，我们没有通过steps参数来评估。我们的eval_input_fn只对数据进行一个epoch。
运行此代码会生成以下输出（或类似内容）：
Test set accuracy: 0.967
根据训练模型进行预测（推断）
我们现在有一个训练有素的模型，可以产生良好的评估结果。我们现在可以使用训练好的模型对一些未标记的测量结果预测鸢尾花的种类。与训练和评估一样，我们使用单个函数调用进行预测：
# Generate predictions from the model
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
'SepalLength': [5.1, 5.9, 6.9],
'SepalWidth': [3.3, 3.0, 3.1],
'PetalLength': [1.7, 4.2, 5.4],
'PetalWidth': [0.5, 1.5, 2.1],
}
predictions = classifier.predict(
input_fn=lambda:iris_data.eval_input_fn(predict_x,
batch_size=args.batch_size))
predict方法返回一个可迭代的Python变量，为每个示例生成一个预测结果字典。以下代码打印了一些预测及其概率：
for pred_dict, expec in zip(predictions, expected):
template = ('\nPrediction is "{}" ({:.1f}%), expected "{}"')
class_id = pred_dict['class_ids'][0]
probability = pred_dict['probabilities'][class_id]
print(template.format(iris_data.SPECIES[class_id],
100 * probability, expec))
运行上面的代码将生成以下输出：
...
Prediction is "Setosa" (99.6%), expected "Setosa"
Prediction is "Versicolor" (99.8%), expected "Versicolor"
Prediction is "Virginica" (97.9%), expected "Virginica"
总结
预置评估器Estimator是快速创建标准模型的有效方法。
现在你已经开始编写TensorFlow程序，你可以参考以下材料：
- Checkpoints了解如何保存和恢复模型。
- Datasets了解有关将数据导入模型的更多信息。
- Creating Custom Estimators学习如何编写自己的估算器。
源代码
本示例代码总结在此，直接拷贝即可运行(环境确保没有问题)。
import pandas as pd
import tensorflow as tf
import argparse
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"
CSV_COLUMN_NAMES = ['SepalLength', 'SepalWidth',
'PetalLength', 'PetalWidth', 'Species']
SPECIES = ['Setosa', 'Versicolor', 'Virginica']
parser = argparse.ArgumentParser()
parser.add_argument('--batch_size', default=100, type=int, help='batch size')
parser.add_argument('--train_steps', default=1000, type=int,
help='number of training steps')
def load_data(y_name='Species'):
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)
test_path = tf.keras.utils.get_file(TEST_URL.split('/')[-1], TEST_URL)
train = pd.read_csv(train_path, names=CSV_COLUMN_NAMES, header=0)
train_x, train_y = train, train.pop(y_name)
test = pd.read_csv(test_path, names=CSV_COLUMN_NAMES, header=0)
test_x, test_y = test, test.pop(y_name)
return (train_x, train_y),(test_x, test_y)
def train_input_fn(features, labels, batch_size):
# 将输入转化为Dataset数据
dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
# shuffle, repeat, and batch
dataset = dataset.shuffle(1000).repeat().batch(batch_size)
return dataset
def eval_input_fn(features, labels, batch_size):
features = dict(features)
if labels is None:
inputs = features
else:
inputs = (features, labels)
dataset = tf.data.Dataset.from_tensor_slices(inputs)
assert batch_size is not None, "batch_size must not be None"
dataset = dataset.batch(batch_size)
return dataset
def main(argv):
args = parser.parse_args(argv[1:])
# 获取数据,返回的数据都是pandas.DataFrame类型
(train_x, train_y), (test_x, test_y) = load_data()
# 说明特征列,告诉模型如何处理输入
my_feature_columns=[]
for key in train_x.keys():
my_feature_columns.append(tf.feature_column.numeric_column(key=key))
# 创建评估器Estimator
classifier = tf.estimator.DNNClassifier(
feature_columns=my_feature_columns,
hidden_units=[10, 10],
n_classes=3)
# 训练模型,
classifier.train(
input_fn=lambda:train_input_fn(train_x, train_y,
args.batch_size),
steps=args.train_steps)
# 评估模型
eval_result = classifier.evaluate(
input_fn=lambda:eval_input_fn(test_x, test_y,
args.batch_size))
print('\nTest set accuracy: {accuracy:0.3f}\n'.format(**eval_result))
# 从模型生成预测
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
'SepalLength': [5.1, 5.9, 6.9],
'SepalWidth': [3.3, 3.0, 3.1],
'PetalLength': [1.7, 4.2, 5.4],
'PetalWidth': [0.5, 1.5, 2.1],
}
predictions = classifier.predict(
input_fn=lambda:eval_input_fn(predict_x,
labels=None,
batch_size=args.batch_size))
template = ('\nPrediciton is "{}" ({:.1f}%), expected "{}"')
for pred_dict, expec in zip(predictions, expected):
class_id = pred_dict['class_ids'][0]
probability = pred_dict['probabilities'][class_id]
print(template.format(SPECIES[class_id],100*probability, expec))
if __name__ == '__main__':
tf.logging.set_verbosity(tf.logging.INFO)
tf.app.run(main)
