深度学习系列之如何使用TensorFlow高级API构建模型？

1

TensorFlow架构

上一篇我们介绍了如何利用TensorFlow底层函数实现网络搭建和回测，但利用底层函数实现网络还是有一定的复杂性。如果我们想快速搭建一个网络，该怎么办呢？好在Google在TensorFlow1.3版本提供了Estimator这个高级API，该API提供了即简易又灵活的方式来构建模型。首先它提供了一些现成模型，例如：

DNNClassifier

DNNRegressor

LinearClassifier

LinearRegressor

DNNLinearCombinedClassifier

DNNLinearCombinedRegressor

这些模型我们只要改改参数就能用，不用关心底层的具体实现。稍后我们会演示一个具体例子。

一般而言，具体问题需要具体解决，因此，该API还提供了可以自定义的框架。下图是Google内部的模型使用统计。

2

Estimator结构

init(model_fn=None,model_dir=None,config=None,params=None,feature_engineering_fn=None)

model_fn: 模型定义，定义了train, eval, predict的实现

model_dir: 日志文件和训练参数的保存目录

config: 模型运行的配置

params: 模型需要的一些参数

model_fn(features, labels, mode, params)

features: 样本数据的x

labels: 样本数据的y

mode: 模式 有3种TRAIN/EVAL/PREDICT，根据这个参数，model_fn可以做特定的处理

params: mode_fn需要的其他参数，dict数据结构

3

数据准备

我们还是使用之前的数据