TensorFlow的高阶接口Estimator的使用（1）

在《TensorFlow机器学习项目实战》的4.4节，作者使用了skflow。skflow刚出来的时候火了一阵，但是接口变化非常频繁，所以后来用的人也越来越少，也导致4.4的程序不能运行了。

但是最近发布的TensorFlow 1.4中，我们发现该模块已经集成到了核心模块，意味着接口基本稳定下来，并有推广使用的趋势。所以我把4.4的程序重新用Estimator写了一下，变量名基本保持不变，代码如下：

import tensorflow as tf

from sklearn import datasets, metrics, preprocessing

import numpy as np

import pandas as pd

import os

df = pd.read_csv("data/CHD.csv", header=0)

print( df.describe())

X=df['age'].astype(float)

classifier.train(inputfn=inputfn_train,steps=2000)

模型的准确度

score = classifier.evaluate(inputfn=inputfn_train,steps=50)["accuracy"]

print("Accuracy: %f" % score)

注：这段程序可以在Ubuntu和MacOS下面跑，但是Windows下面还不行，是路径的问题。这应该是Estimator的一个BUG，在contrib.learn下也是一样的不行。

这里面最难写的是input_fn函数，也是最重要的函数，我在这段程序中直接使用了numpy_input_fn来构建。[1]中除了这个方法还给出了从pandas构建的方法，大家可以自己尝试。

input_fn带来了一个好处，就是可以按照生产者消费者模式读取数据，具体的解释可以参考[2]。简单的解释，就是IO一般都比较慢，我们需要在数据处理的过程中进行读取数据，那样就可以充分的节省时间，这样就设计多线程在后台不断的取数据。

feature_colums的构建需要一定的技巧，这个主要参考[3]

另外的一个变化就是模型的准确度不再是用metric模块，而是Estimator自带的模块。

如果大家有什么问题欢迎留言。

TensorFlow机器学习项目实战

作者：【阿根廷】Rodolfo Bonnin

深度学习人工智能参考书

第二代机器学习实战指南

提供深度学习神经网络等项目实战

有效改善项目速度和效率

TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。

本书主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。

本书适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C++和Python的经验，将能够更加轻松地阅读和学习本书。