experimental
模块export
模块inputs
模块tpu
模块class BaselineClassifier
: 一个可以建立简单基线的分类器。class BaselineEstimator
: 能够建立简单基线的估计量。class BaselineRegressor
: 一个可以建立简单基线的回归函数。class BestExporter
: 该类导出最佳模型的服务图和检查点。class BoostedTreesClassifier
: 一个用于张量流增强树模型的分类器。class BoostedTreesEstimator
: 一个张力流增强树模型的估计器。class BoostedTreesRegressor
: 一个用于张力流增强树模型的回归器。class CheckpointSaverHook
: 每N步或秒保存一个检查点。class CheckpointSaverListener
: 用于在检查点保存之前或之后执行操作的侦听器的接口。class DNNClassifier
: 一个用于神经网络模型的分类器。class DNNEstimator
: 一个具有用户指定头部的TensorFlow DNN模型的估计器。class DNNLinearCombinedClassifier
: 张力流线性和DNN联合分类模型的估计。class DNNLinearCombinedEstimator
: 一个自定义头部的线性和DNN连接模型的估计器。class DNNLinearCombinedRegressor
: 一个估计的张量流线性和DNN连接模型的回归。class DNNRegressor
: 张量流DNN模型的回归器。class Estimator
: 用来训练和评估张量流模型的Estimator类。class EstimatorSpec
: 操作和对象从model_fn返回并传递给评估器。class EvalSpec
: train_and_evaluate调用的“eval”部分的配置。class Exporter
: 表示模型导出类型的类。class FeedFnHook
: 运行feed_fn并相应地设置feed_dict。class FinalExporter
: 该类在末尾导出服务图和检查点。class FinalOpsHook
: 在会话结束时计算张量的钩子。class GlobalStepWaiterHook
: 延迟执行,直到全局步骤到达wait_until_step。class LatestExporter
: 该类定期导出服务图和检查点。class LinearClassifier
: 线性分类器模型。class LinearEstimator
: 一种具有用户指定磁头的张量流线性模型的估计器。class LinearRegressor
: 张力流线性回归问题的估计量。class LoggingTensorHook
: 每N个局部步骤、每N秒或在末尾打印给定的张量。class ModeKeys
: 估计器模型模式的标准名称。class NanLossDuringTrainingError
class NanTensorHook
: 监控损耗张量,如果损耗为NaN,则停止训练。class ProfilerHook
: 每N步或每秒捕获CPU/GPU分析信息。class RunConfig
: 该类指定运行估计器的配置。class SecondOrStepTimer
: 每N秒或每N步最多触发一次的计时器。class SessionRunArgs
: 表示要添加到会话.run()调用中的参数。class SessionRunContext
: 提供有关正在执行的session.run()调用的信息。class SessionRunHook
: 钩子来扩展对monitoredssession .run()的调用。class SessionRunValues
: 包含Session.run()的结果。class StepCounterHook
: 每秒钟计算步数的钩子。class StopAtStepHook
: 请求在指定步骤停止的钩子。class SummarySaverHook
: 保存每N个步骤的摘要。class TrainSpec
: 为train_and_evaluate调用配置“train”部分。class VocabInfo
: 热身词汇信息。class WarmStartSettings
: 在tf.estimator.Estimators中设置热启动。add_metrics(...)
: 创建一个新的tf.estimator.Estimator,它已经给出了度量。classifier_parse_example_spec(...)
: 为tf生成解析规范。用于分类器的parse_example。regressor_parse_example_spec(...)
: 为tf生成解析规范。用于回归函数的parse_example。train_and_evaluate(...)
: 训练和评估评估估计器。操作和对象从model_fn返回并传递给评估器。
性质:
mode
predictions
loss
train_op
eval_metric_ops
export_outputs
training_chief_hooks
training_hooks
scaffold
evaluation_hooks
prediction_hooks