Tensorflow Keras 模型和 Tensorflow Estimators 都能够训练神经网络模型并用于预测新数据。它们都是高级 API,位于低级核心 TensorFlow API 之上。那么我应该在什么时候使用其中一个而不是另一个呢?
Tensorflow Keras 模型和 Tensorflow Estimators 都能够训练神经网络模型并用于预测新数据。它们都是高级 API,位于低级核心 TensorFlow API 之上。那么我应该在什么时候使用其中一个而不是另一个呢?
Estimators API在Tensorflow 1.1版本中添加,为低级别的Tensorflow核心操作提供了高级抽象。它使用Estimator实例,这是TensorFlow完整模型的高级表示。
tf.keras
(或谈论“Tensorflow Keras”)时,您只是使用Tensorflow后端的Keras接口来构建和训练模型。
预制估算器类似于您如何使用scikit-learn
。例如,来自Tensorflow的tf.estimator.LinearRegressor
类似于scikit-learn
中的sklearn.linear_model.LinearRegression
。
Tensorflow提供了一个名为TensorBoard的可视化工具,可帮助您可视化图形和统计信息。通过使用估算器,您可以轻松保存摘要以便在Tensorboard中可视化。
要将Keras模型迁移到估算器,请使用tf.keras.estimator.model_to_estimator
方法。
import keras.backend as K
)包含许多函数,这些函数包装了底层函数。它们通常用于自定义层、自定义指标、自定义损失函数等中。 - Daniel Möllercolab
/文档(尽管很少)编写时使用tf.keras
而不是“预制”的tf.estimator.Estimator
或自定义估算器,看起来TF更偏爱tf.keras
。 - SumNeuron