本节课分为两部分,第一部分介绍tensorflow中estimator和特征列的API的使用,estimator是和keras平级的用于模型抽象的高级API,会使用泰坦尼克生存预测项目来详细的讲解特征抽取和estimator使用。学习完以上的基础知识后,在第二部分中会讲解tf1.0的知识点来方便大家对比2.0与1.0的区别。
第一章到第五章是本门课程的基础内容,掌握了这5章就掌握了tensorflow的基本使用方法,1-5章主要讲的是tensrflow2.0,讲完第五章estimator内容之后,再讲一下1.0的一些东西.
课程引入
keras搭建的model转成estimator;
使用一些预定义的estimator(BaseLineClassifier,基线模型,通过随机猜测的方式进行预测;LinearClassifier,是一个线性模型;DNNClassifier,是一个深度全连接的神经网路的分类器),他们都有对应的Regression用于回归问题;
Tf.feature_column做特征工程,它是用来组织数据的,会把数据表达成一个一个的feature,然后对这些feature做一些操作,比如说one-hot编码、embadding等等。
讲tf.estimator的过程中涉及到的API列表:
Tf.keras.estimator.to_estimator,可以帮我们把keras模型给转成estimator,有Train、evaluate等几个接口;
Tf.estimator.BaselineClassifier;
Tf.estimator.LinearClassifier;
Tf.estimator.DNNClassifier。
在讲Tf.feature_columnAPI的时候,会使用其中的这么几个接口:
categorical_column_with_vocabulary_list;
numeric_column;
indicator_column;
cross_column。
然后再讲一个keras.layers.DenseFeatures的API,它可以把Tf.feature_column这种表达的数据给读取到网络中来。
泰坦尼克问题引入分析
第一个实战,如何将keras模型给转成estimitor,然后去进行训练和测试。
feature_collumn使用
keras_to_estimator
预定义estimator使用
交叉特征实战
TF1.0引入
TF1.0计算图构建
TF1.0模型训练
TF1_dataset使用
TF1_自定义estimator
API改动升级与课程总结